哈啰产品一面

ipv4和ipv6的区别进程间通信的方式数据库死锁处理缓存三兄弟及解决方案最近的并发场景的处理redis实现分布式锁的场景怎么保证原子性以及网络波动可能会产生的问题其他忘了

真实体会：【内容】内容丰富、成长迅速 作为我们组唯二的实习生，感受到和其他厂的实习区别明显。很多厂把工作拆分很碎、很细给实习生；在联想主要是给组里帮忙，接触到的工作内容很丰富，也大致了解了每个人负责的方向。我们组的工作主要围绕着夺笋平台展开的，刚开始的时候对平台和具体工作都不太了解，哥哥姐姐们会带着做，给出的意见也很有建设性，整体工作量不大，也不是dirty work。当然，如果大家要咨询电脑相关的问题，欢迎来夺笋！ 【节奏】不卷，不是躺平 在老板微博看到很多人想进联想是因为不卷，我觉得接触下来联想的不卷不是躺平。在联想，眼保健操、看电影、健身操…工作的节奏很好，加班的情况也很少。但其实大家挺...

1、文本分类特征选择算法卡方检验（Chi-Square Test）：统计特征（词）与类别之间的独立性。卡方值越大，特征与类别的相关性越强。信息增益：衡量特征为分类系统带来多少信息量。信息增益值越大，特征越重要。互信息：衡量特征与类别之间的统计相关性。TF-IDF加权：通过词频（TF）和逆文档频率（IDF）筛选重要特征。高TF-IDF值的词通常为关键特征。2、ReLu替换Tanh的后果ReLu在负区间的梯度为0，可能导致神经元“死亡”​​（Dead ReLU）3、GPT的多种能力文本生成：生成符合语境和逻辑连贯的文本（学术、故事、文章）代码生成：生成可执行的代码片段（脚本、debug、功能实现）对话交互：模拟人类对话，提供个性化交互体验（客服、助手、陪伴）创意内容生成：艺术创作或设计（诗词、图案描述、营销文案）数据与知识生成：结构话信息提取或虚构数据生成（表格生成、虚构数据）多语言生成：跨语言内容生成和翻译（多语言写作）逻辑与推理生成：解决数学问题或逻辑推理任务（解题、策略）4、大模型训练和推理的参数量判断，需要多少显卡。（14B）训练：模型参数（14B）+优化器状态​（如Adam）：每个参数需要存储参数、梯度、动量、二阶动量（共4份 FP32 数据）+梯度：以 FP16 存储 14B + 激活值（Activations）​：与批次大小（Batch Size）、序列长度（Sequence Length）相关，通常占用 ​20%~50% 总显存。 约为14*2+14*4*4+14*2+50=330推理：参数 + KV缓存≈28GB+1GB=29GB（FP16）或14GB（INT8）5、文本、图片、视频的标注方式文本分类、命名实体识别、关系抽取、序列标注、问答标注目标检测、图像分割、关键点识别、图像分类、OCR标注动作识别、目标跟踪、时间序列标注、多模态标注6、常见的数据清洗方式删除缺失记录、填充缺失值、标记缺失值、删除重复行、合并冲突字段、检测异常值、数据格式标准化、标签一致、逻辑一致、文本去噪、平滑技术7、简述残差连接​残差连接（Residual Connection）​ 是一种通过跳跃连接（Shortcut Connection）将输入直接传递到网络深层的技术，从而缓解深层网络的训练难题（如梯度消失、模型退化）、​加速模型训练、增强模型表达能力8、大模型训练的全过程数据准备与预处理数据收集数据清洗分词，编码加载模型迭代训练#牛客AI配图神器#

25-3-26中午突然收到mentor电话，说晚上7.面试。可能是急招，没有去们HR面业务面等，直接是负责带的mentor面试，从基本情况介绍到考一些问题等，但是由于我是一边改简历一边投简历，知识也就是了解了大概，加上只有一下午的时间，也是根本不够，今天被通知不太合适呜呜。下面是面试流程记录一下：1、自我介绍：必备环节，我每天提前写稿子，介绍时磕磕绊绊。。。2、项目实习经历深挖：怎么说呢，这部分要看运气了，有时候你准备的知识点对方压根不会问，我没想到直接问我统计学的一些知识，全忘干净了。3、SQL：两道题总体简单，可是头脑发热得我没回答好，明明之前了解过的SQL执行顺序，一道嘴边说不上来了。还有两道题目，让我说下大致思路，也是答得不好，忘记了如何处理“连续登录3天”怎么表达，，，，4、职业规划。5、对此岗位的了解。6、反问环节。哎，总而言之虽然知道自己第一次面试，而且准备的确实不充分过的几率很小，可挂了还是sad，，不管了，提升自己实力吧，改好简历继续！以后记录每天刷题#牛客AI配图神器#