感觉面完人都通透了，还是太菜了，下去沉淀一下项目拷打拷打第一段实习2.1 模型优化细节，非常细，基线模型结构、具体优化点、expert数量，输入维度，参数量计算，特征分配策略等等22.2 参数量增加后，计算量增加了多少？FLOPs和训练速度分别怎么变化？2.3 模型性能跟模型大小是相关的吗？2.4 新增的存储属于什么类型？在PS中仅增加存储是否影响训练推理速度2.5 存储成本和查询成本哪个更高？新增参数量是否达到瓶颈？2.6 相同的机器下，训练速度慢了多少？或者增加了多少机器才能让训练速度持平？拷打第二段实习3.1 主模型细节，序列建模细节，模型参数、序列长度3.2 OneTrans的优缺点手撕代码：求数组中第K大的数，时间复杂度要求O(N)

继续来分享下最近的面经~欢迎友好讨论，信息共享基础知识1. 实习拷打2. GEMM 的常见优化方法3. AI 框架前端中算子注册的机制4. 为什么通过添加宏定义即可完成算子注册5. 模板函数的编译过程6. STL 迭代器在遍历中删除元素的正确方式7. 常用的 STL 基本容器有哪些数据结构与算法8. 有向无环图（DAG）的实现方式9. 拓扑排序的原理与实现10. 二叉树的中序遍历11. 满二叉树的定义与性质设计模式12. 单例模式的实现方式

感觉自己好菜、面试很难，还是要多多练习1.实习拷打2.Agent和模型方面你更倾向于什么？为什么在实习还在考虑其他公司？3.问GUI-Agent项目：背景是什么？为什么这么做？单用SFT不行吗？online的方法是什么？GRPO在这里面起什么作用？你的奖励函数是怎么设计的？为什么这样设计？后续的版本是怎么做的？衰减因子没有考量一下长短链路的问题吗？为什么用2B的模型，其他模型效果应该是可以解决的？图标分不开的情况如果是通过数据层面去解决有试过吗？有考虑过直接做前后状态判别的惩罚解决你遇到的reward hacking问题吗？GRPO有几个模型？损失函数知道吗？reference model具体的作用是什么？4.你遇到过大模型输出的时候复读机的情况吗？代码：判断复读机情况，最后一次可以不算进去。5.平时有用哪些AI工具？有自己写过Skill吗？6.DPO真的有解决你遇到的问题吗？还是那你认为DPO能否解决复读机问题呢？你怎么看SFT和DPO？

被挂了，希望发出来对大家有帮助！1.实习拷打2.项目拷打3.八股1.redis缓存击穿，缓存穿透，缓存雪崩?解决方法2.hashmap底层与扩容机制3.IOC的底层4.讲一下AOP，项目中哪里用到了AOP5.spring中事务管理6.redis分布式锁的实现方式7.synchronizedreentrantlock8.分代垃圾回收机制9.双亲委派机制10.说一下AQS11.创建一个线程池需要考虑哪些参数?12.公平锁和非公平锁13.InnoDB底层数据结构，除了B+Tree还有别的吗?14.索引15.事务隔离级别，分别解决了什么问题

给我面没招了，发点面经攒攒人品～1.项目拷打2.当时为什么选择去做这个工作?召回同样有一些其他的工作,做了哪些前置的工作吗?3.可以简单介绍一下数据集吗?比如数据的形式、它对应的业务背景?4.NDCG具体怎么算的呢?TopK中的K通常怎么选择?5.项目具体的训练优化过程?6.数据预处理具体是做的什么?7.负采样是会限定同一个用户还是batch内随机做负采?8.你做了一个改动之后，观测的指标是只看NDCG还是会看一些case?有做偏直观的分析吗?9.全局的负样本为什么不考虑做一个综合的，既用in-batch内其他user的，然后再去让它同时学习同user的困难负样本，这样不会更好吗?10.效率和生态意义上如何平衡推荐?11.高热打压问题如何处理?手撕:1.AUC;AUC的原理讲一下?2.二分类loss3.LeetCode 54.螺旋矩阵(Hot100原题)

给我面没招了，发点面经攒攒人品～1.实习经历2.论文3.grpo常用的奖励4.大模型上下文从原来的4-8k到现在的128k，变化在哪5.skill是什么?6.如何学习新技术的?7.为什么现在流行的模型是decoder-only架构?8.模型量化知道吗?9.bf16和fp16的区别在哪10.机器学习中常用的优化器举例并说出优点11.u-net的架构有什么特点手撕快排