高德打车一面 已挂

全程八股+一点点的项目

测试开一面1、自我介绍2、讲一下完美世界实习的内容3、讲一下完美世界实习时参与的ai聊天游戏主要的测试点4、充值入口的性能测试怎么做的5、有做可靠性测试吗6、讲一下oppo实习时主要的工作内容7、讲一下自动化框架自己参与了哪些部分，怎么做的网关自动化8、网关性能测试的测试链路，性能瓶颈，如果要向上级汇报性能测试结果，能够总结一下此次的测试吗9、一整个服务怎么优化性能10、实习的代码量有多少11、怎么学习一门新的编程语言12、游戏测试和软件测试的区别13、玩过什么游戏（什么类型游戏都玩）14、讲一下为什么the finals现在没有以前那么火了（投递的时候写过自己玩过the finals...

一、明确数据飞轮的核心要素1. 数据供给闭环：用户使用产品→生成行为数据→优化模型→提升用户体验→吸引更多用户。2. 关键指标对齐：需定义数据质量（多样性、代表性）、模型效果（准确率、响应速度）、业务指标（用户留存、付费率）的关联性。二、构建数据飞轮的4个阶段阶段1：冷启动设计- 策略：- 使用开源数据+合成数据+少量人工标注，快速搭建最小可用模型（MVP）。- 产品化设计：在用户界面嵌入反馈入口（如“点赞/踩”、错误报告），主动引导用户标注低置信度结果。- 案例参考：ChatGPT初期基于人类反馈强化学习（RLHF），通过用户对回答的排序选择优化模型。阶段2：数据采集与治理- 数据来源：- 显式反馈：用户评分、标注错误、偏好选择。- 隐式反馈：停留时长、点击热图、会话中断率。- 治理关键：- 去噪与标注：自动化清洗（如去重、过滤恶意数据）+ 众包/专家复核关键样本。- 数据分布监控：避免长尾问题，通过主动学习（Active Learning）补充稀缺场景数据。阶段3：模型迭代与效果验证- 快速迭代机制：- 建立自动化训练管道（如Airflow调度），支持小步快跑式微调（如每周更新）。- A/B测试：新旧模型分桶对比，验证指标提升是否显著（如任务完成率提升5%）。- 成本控制：- 动态采样策略：仅对高价值数据（如用户高频提问领域）全量训练，其余部分采样。阶段4：闭环反馈强化- 用户感知优化：- 实时展示模型进步（如“根据您的反馈，该功能准确率提升20%”），增强用户参与感。- 设计激励体系（如积分、特权）鼓励用户反馈。- 长期价值挖掘：- 分析数据飞轮带来的边际成本下降（如单位训练数据带来的收益递增）。 #产品经理#  #数据人的面试交流地#  #牛客激励计划#  #找工作#  #大模型#  #大模型面经# #牛客AI配图神器#

---------3.18 已挂哈哈哈---------自我介绍拷打项目10min常规八股：15minjava常见的集合，以及底层实现HashMap的扩容过程讲一下JVM的垃圾回收机制介绍TreadLocal类，什么场景需要使用TreadLocal类？介绍volatile关键字指定重排序的话什么场景会出现问题？什么场景需要使用volatile关键字？讲一下MySQL的索引怎么建索引，是怎么考虑的呢？加联合索引的时候有什么需要注意的呢？手撕：螺旋矩阵II 20min反问：部门业务对我的表现有什么建议--------------问的感觉很基础很常规，疑似KPI面------------------...