面试官人很好，也很耐心，但是也喜欢咬着我不放三分钟自我介绍开局拷打项目：经典一致性问题。这里一直在聊redis库存扣减到写入sql这一整段的最终一致性。我首先讲了我目前的实现，异步扣减＋手动ack持久化订单消息＋定时任务更新库存。面试官说性能会不会太差，用户抽奖能立即拿到结果吗？我就说压测平均响应也在100ms以内，并且抽奖肯定有转盘动画之类的，完全能撑住。这里又问了一下并发抽奖怎么办，说了加3s过期分布式锁，限制单用户短时间内重复点击抽奖。面试官好像对回答还是不满意，接着问，假如我一定需要优化性能，减少响应速度，问我有什么改进方法，我说可以考虑还是改回自动ack，把持久化订单信息放到扣减库存后，发mq消息前（错误示范，当时没想太多，这样做redis抗并发的意义就没了，还不如直接写库）。不过面试官好像也没意识到出错了（，他目标似乎不在这上面。接着又说了半天场景（对不起我又没听明白是问啥），大概就是说，假如写库的时候会有规则校验之类的，这时候挂了咋办。（这里我已经感觉到不妙了，因为还是没明白面试官想问的方向），我说自己的项目都是把这部分给放到校验之前，保证这部分只专心做写库。还是不满意，继续追问，实际情况很复杂，假如这里就是需要做其他的校验，该怎么办。我说可以用事务来回滚，又被问分布式transactional出问题怎么办，直说了不大了解（其实就是怕被问到这儿，还是没躲过去）八股（我通过面经梳理的顺序，实际上感觉问的还挺跳跃）：可能正好提到了事务，话接上文，于是问了我嵌套@Transactional会有什么问题？（后面复盘才知道当时应该是问同类下调用事务方法的失效场景）。问多态底层原理。对不起真不知道，直说了不清楚，再狡辩回答了一下多态的体现（方法重写重载等等等。。。）==和equals区别。过String的数组为什么要用final修饰？对不起我又没见过这样问的，，说可能是为了保证字符串不可变，线程安全，当时还脑洞大开说跟builder和buffer那俩相比，没有对字符串的操作而是直接生成新的字符串，性能上也会更好（实在是不知道说啥）反射的优缺点。过aop的底层原理。说了动态代理和字节码操作，又详细说了动态代理因为动态代理说到了CGLIB和JDK实现，又顺着问了我两者的区别。过jvm内存。过为什么永久代被替换为元空间。说了个永久代oom风险更高，其他记不大清了堆对象是怎么进行分代和转化的。大部分对象新生代，大对象老年代。通过年龄计数器来确定对象的升代。G1的过程和优点。过，这部分还好记挺熟io流。没怎么看，早知道不偷懒了对象创建过程。过mysql索引底层结构，和其他对比。过B+树范围查询怎么做的。从下界节点走类似中序遍历直到收集到上界节点。redo log和undo log，他俩结合起来能解决什么问题？单独说没问题，问我结合的时候我还有点懵？？没懂想让我回答什么，最后说了个可以实现事务和宕机恢复（但我单独介绍也说过了，dbq不知道）。Spring启动过程。过算法（其实是说思路，变种场景题）：基本有序的数组什么排序最快。插入追问为什么是插入。梳理了一下逻辑讲了讲插入的过程和可以优化到O（n）找第k个位置的元素怎么找。快速选择和堆排一个很大的文件，比如要做词典，怎么在其中匹配对应字符串。说了字典树假如连续一长串不规则字符串呢？不是很清楚，说es，但追问我es原理，说了倒排索引，继续问是怎么实现的，承认了看过一些，但没看太仔细怎么在一个串中找到出现次数超过一半的字符。说用哈希表统计然后计算。追问假如输入是一个流呢？（其实也想说哈希表也能做啊，但感觉可能想让我回答其他的）只好说不大清楚最后：毕设方向是什么？回复，我目前是大三（）还没确定，问知不知道方向？我们学校一般大四才开始做毕设base地意向北京，但部门在杭州，能不能接受；ok反问：部门业务最后一个场景题做法？摩尔投票，（听到的时候感觉很熟悉，不知道好久之前看过这个，但现在忘了）#牛客AI配图神器# 总结全程1h2m，还得练，这就回去加班看事务

前几天做了拼多多的笔试 a了三点五 昨天下午补发测评异常 是不是打得太快了 今天给我挂了

部门与岗位：TEG - 混元大模型团队 - 大模型对齐一面自我介绍，过实习，讲论文，论文过的比较细，有说的笼统的地方面试官会实时进行询问交流了解哪些大模型，简要挑一两个介绍一下，当时说了 Qwen 和 DeepSeek，然后面试官又问了这两个有什么区别接着上一问，为什么大家都开始探索 MoE 架构，MoE 相比 Dense 有什么好处在之前实习的时候用 LoRA 微调过 Qwen，于是问了有没有全量微调过，有没有对比过两者的性能表现讲一下大模型训练和推理的流程，SFT 和 RLHF 的作用分别是什么在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式代码：22. 括号生成代码：多头自注意力一面问的八股还是比较多的，问的也比较细，而且还写了两道代码题，整个面试花的时间也比较多，大概一个半小时左右二面自我介绍，过实习和论文，面试官会一起进行探讨，包括工作的动机、贡献和结果，也会提一些问题和建议之前实习用 DeepSpeed 微调过 Qwen2-72B，于是面试官问了 ZeRO-1，ZeRO-2，ZeRO-3 三个模式的区别当时你用 DeepSpeed ZeRO-3 来微调 Qwen2-72B，每一张卡占用的显存大概是多少，估算一下为什么是占这么多的显存除了 DeepSpeed，还用过其他的什么优化方法吗我看你也用到了 LoRA，知道 LoRA 的原理吗，A 和 B 两个矩阵怎么初始化，有了解过其他的初始化方法吗对 RLHF 了解的多吗代码：3. 无重复字符的最长子串二面更多的是结合具体的工作来问的，从用到的东西来引出问题，问的也比较灵活。当然因为部门主要是做对齐的，所以也大概聊了聊 RLHF三面自我介绍，挑一个觉得做的比较好的论文和实习讲一下，面试官问的比较详细，为什么选现在这种方案，为什么 work，其他方案有考虑吗在微调 Qwen 的时候，数据是怎么构造的，有用到什么数据清洗方法吗，数据配比是怎么做的讲一下 RLHF 的流程，之前有用 RLHF 做过模型对齐吗在做对齐的时候，为什么 SFT 之后还要做 RLHF，只用 SFT 可以吗知道哪些强化学习算法，除了 PPO 和 DPO 这些呢，DeepSeek 用的 GRPO 相比于 GPT 的 PPO 做了哪些改进开放题：对目前大模型的发展有什么看法代码：零钱的两个题 322. 零钱兑换518. 零钱兑换 II三面面试官更聚焦于对齐这一块的内容，考的比较深。由于之前没有接触过强化学习，答得还是比较吃力的，不过面试官还挺好的，会一起讨论来做引导四面自我介绍，过论文和实习，问的也比较细，这里能明显的感受出来面试官的视角更系统，会把这些工作串起来问我看你简历上没写 RLHF，平常有用过 RLHF 吗推导一下神经网络反向传播的过程一道排列组合的概率题开放题：你觉得大模型目前还有哪些可以改进的点四面整体更看重思维和基础，没有考察什么八股总结一共四轮技术面，整体来说强度比较大，对于大模型八股的考察比较细，对大模型的理解问的也比较深刻，包括一些数理逻辑基础，考察的比较全面需要内推码的可以用下面这个链接：内推链接：https://join.qq.com/resume.html?k=ANQI6RfQ3rhPS2dpyIkeSw#26届实习##大模型##八股##面经##腾讯##内推#

三面 上来就手撕+简短介绍项目感觉问的问题都不是深入的呀，也没问八股，请问各位大佬这样正常吗求求b站让我进入hr面，求求求求了呀，真的很想去b站