快手大模型算法面经

1.你这个xx实习的项目能展开讲讲吗？你主要负责哪块？为什么是你来做这块？
2.自动化评估体系这里能具体说说怎么评的吗？哪些维度
3. 多维度自动化评估体系，那每一个维度是怎么做的？比如你说的关键词匹配和问答对，这个流程怎么构建的
4.图表的准确性你怎么评估的？怎么从markdown和HTML 里提取对应图表并比对的？有没有一些异常case举个例子？
5.用了playwright去截图，那遇到报错或者渲染失败怎么办
6不同设备模块比如交换机、服务器，它们的字段特征都不一样，那你怎么做统一化训练
7.那你这个知识图谱底层是用什么数据结构存的
8.用的是PAI吗？那有没有对比过比如说 igraph或者图数据库像GraphScope这些之间有啥区别
9有没有用过一些大模型的推理？比如说用千问做辅助根因预测
10你们这套系统的准确率和召回率大概是多少，那比如说没有到90%，你们是认为这个指标是OK的吗
11所以它是系统推理出根因之后还需要人工check，然后才能执行故障预案，有没有哪一部分流程是完全自动化的
12你们平台现在接的主要是底层设备指标，那有没有接入一些业务指标，比如订单失败率转化率这类的业务数据
13我有个疑问就接入业务指标的话你需要知道整个平台的服务拓扑，那你们这个平台是怎么接入业务侧拓扑的？是自己做的吗？还是中台团队负责
15.那你既然用过图数据库，你知道它底层的存储结构是怎样的吗？比如它是怎么组织边和节点的
16.我们现在是两阶段推荐架构：第一阶段召回用的是embedding点积召回，第二阶段是MLP跟transformer做多目标打分。那你觉得在我们这么大规模的数据量下，如果要做real-time re-ranking，你会在架构上怎么做trade-off？怎么压低latency
17.我们现在在做embedding精度提升也试过加cross tower、attention pooling 甚至meta learning，但发现一旦模型重了，就难以部署到线上实时系统。那你觉得在embedding learning的这个模块里，有哪些方案能在不严重影响线上性能的情况下提升语义表示能力
18.我们现在二阶段模型训练的是watchtime、like、share、follow这些目标。但有些目标（比如 share、follow）非常稀疏，有的时候一个batch里面都没有。你要设计一个loss来处理这类多目标问题，既保证主目标收敛，又不能让稀疏目标完全失效，你会怎么设计