（已oc）美团-金融服务平台后端hr面挂人多吗

1. 自我介绍2. 介绍项目的核心流程（点评）3. 问了几个项目的问题：判断一人一单是在支付前还是后存在redis里的库存数据和订单数据，活动结束后如何处理消息队列重试触发告警机制都需要人工介入吗项目有没有上线，有没有自己跑过，估计是看我回答的挺不熟悉的为什么选择Kafka，Kafka为什么吞吐量大4. 问点Java基础吧，讲讲都有哪些集合5. ArrayList和LinkedList的区别6. HashMap底层是哪些数据结构，如何保证线程安全（答了Synchronized包围代码块和ConcurrentHashMap）7. Synchronized锁的原理8.ConcurrentHashMap如何保证线程安全（答了JDK1.7分段锁和JDK1.8CAS + Synchronized）9. 本来以为会问CAS和Synchronized的实现，没想到问了分段锁原理，以及如何保证实时性，读加锁还是写加锁，直接被问倒，有大佬懂的吗10. 看你简历上写了MySQL主从复制，讲讲主从同步有延迟如何优化（不会，乱答了是主从同步肯定存在延迟优化不了…面试官说想要我答的是延迟如果是分钟级如何优化到秒级）11.大数相加，不能使用bigint转换，应该是前面答的比较差，面试官想着出个简单的题给我做，hot100选手应声倒地，面试官讲了讲思路，最后反复调试还是没a出来12. 无反问环节，面试官说你先回去研究研究，他要去开会了面的时候感觉问的都是挺不常规、比较偏的知识点，回来复盘了一下发现自己还是太菜了，毕竟大厂处女面，八股讲的不利索，算法题也a不出来，网络还时常卡顿， 看面试官的表现大概率挂了。——————————————后续更新：已收到感谢信

1. 自我介绍，面试官自我介绍，团队搞防火墙应用的。2. 自我经历盘点3. Rust、go与C++印象最深刻的特性（泛型，实际讲的不好，没串起来）4. 面试官说你懂网络吗，楼主说为了teg腾讯会议组看过一大堆http3面经，让他问问，面试官说看你很懂的样子就不问了。5. 写题：- 层序遍历- 最长有效括号本来以为shopee与pdd的ide就够难用了，阿里云的更是依托，pdd好歹面试官还能一键运行，阿里云的竟然是纯文本编辑器，面试官估计打开了leetcode复制楼主的上去跑，跑了三四遍，每遍出什么错都要口述给楼主debug。6. 智力题100只老虎，1只羊，有以下规则：- 所有老虎都想吃羊，但...

📍面试公司：美团💻面试岗位：测开❓面试问题：1. 自我介绍2.面试官给我讲此次面试的流程（自我介绍 + 实习拷打 + 手撕 + 反问），第一次遇见面试官主动介绍的😭3.开始拷打实习（40min）问的大部分和一面差不多，但是问的更有深度一些，有点想把你问住的感觉包括下面的内容：1. 目前还在实习吗，不考虑转正吗2.你们的这个项目是跨部门合作的吗3.QA对于这个项目的贡献是什么4.你在其中的贡献是什么5.目前的一个迭代速度怎么样，稳定性怎么样6.两套环境都设计，为什么？7.你在使用的过程中，遇到的最大的难点是什么8.常见的元素定位方式是什么，你们这个项目是什么定位方式9.为什么使用xpath而不是css selector10.你提到了使用自然语言修改错误代码，给我讲讲这个流程11.没有人工兜底吗？12.你提到了“澄清”，给我讲讲什么是澄清13.传入的参数是什么14.拼接的prompt是怎么样的？都包含哪些参数，哪些信息15.如果dom树发生改变，你觉得ai会怎么修复16.为什么要这么拼接prompt呢？17.如何设计出比较高质量的prompt呢18.项目中还使用到了什么AI能力19.playwright的codegen最大的特点是什么20.你觉得你们这个项目还有什么提升的地方21.业务和技术你的看法是什么22.出现bug，需要拉会议，你会提供哪些信息23.谈谈你对测开的理解问的很详细，相较于一面的面试官问的更加“全局”，方方面面都考虑到了，感觉他比我还熟悉我的实习😭测试用例编写：1. 针对面试的界面设计测试用例，设计完后还会针对你设计的测试用例提出意见，改进手撕：1. 字符串相加  leetcode原题2.针对这个题目设计测试用例反问：1. 具体业务是什么？质量效能还是业务测试2.面试流程怎么样3.美团为什么这么注重AI4.对于应届生的培养怎么样🙌面试感想：团子的面试体验真不错，一二面面试官人都很好，一面面试官聊得很嗨，出的手撕也简单二面面试官应该是主管层面的，上来先给我介绍面试流程，然后先让我问他一些我想了解的东西，对于业务说的很清楚，包括对于应届生的一个培养-----------------------------------------------------------------------------------------9.9 hr面还算是比较常规的问题，base地倾向，有没有其他offer这样的多了一些ai相关的，问我有没有微调经验，ai相关的知识怎么学习的这样-----------------------------------------------------------------------------------------更新：已经OC啦，感谢团子

面试是24年7月的现在已经入职几个月了，补一下面经，帮有需要的同学参考。BG：本硕985 计算机论文1A1B一面：技术面自我介绍 & 简历相关。简单介绍了自己在多模态和大模型方向的研究/工作经历，包括在校期间的论文工作以及实习经历。面试官主要针对简历上的项目提了一些细节问题，比如具体模型的量级，提升了多少，和哪些方法做了比较等。因为是自己的工作，所以没有卡壳。问有没有遇到过 Python 文件之间互相 import 的问题，出现这种问题怎么办？让我简单介绍了一下 PPO 算法，以及和 TRPO 的区别是什么？接着 PPO，问了一下 ChatGPT 的 RLHF 流程，以及为什么不直接用 SFT，而是要用强化这么麻烦的方式训练模型？继续追问 RLHF、SFT、LoRA 的区别，分别适用于什么场景？反问：公司现有业务是什么，计算资源情况等。二面：主管面论文介绍。让我用通俗的语言介绍我自己发表和投稿的论文，重点是研究动机和要解决的问题。问有没有亲手训练过大模型，最多用了多少张 GPU 卡？并行训练使用的框架是什么？介绍一下 DeepSpeed，说一下这个框架在并行的不同阶段（ZeRO stage）分别做了哪些事？训练模型的时候，数据量有多少，怎么收集数据的，训练花了多少时间？遇到的最大问题是什么？问在大模型全量微调时，显存消耗分别由哪些部分占用？（参数、梯度、优化器状态、激活信息等），分别占用多少？假设模型参数量为N，请分不同情况讨论和计算一下微调所需要的显存（不同精度、batch size、seq len 等）。说一下 LoRA 公式，讲一讲其中 A 和 B 两个矩阵分别表示什么。LoRA 的优缺点是什么，什么场景下适合使用？问知道哪些大模型训练和推理框架，用过哪些？问 LLaVA 的结构是什么，和常规的纯文本大模型有什么区别？Encoder-Decoder 结构的模型转 ONNX 的一般流程，遇到不支持的算子怎么办？可能遇到的问题（动态 shape、模型中逻辑判断需要单独写、模块拆分等）。三面：HR 面主要问了为什么选择公司，对团队的看法，对岗位的认识；未来大致的规划，面试过程的体验，有没有别的公司的 offer 等。以及询问了期望薪资等。之后就是等待，最终和期望薪资基本一致。总体感受面试流程比较顺畅，问题也比较贴合岗位要求；如果和岗位匹配度高，一般流程推进速度会很快。入职以后，工作内容和面试被问的问题也差不多，基本上都是算法工程师需要做的内容，团队氛围也很不错。只是毕竟是企业，不可能光搞研究，在承接业务时还是免不了和很多人打交道和来回battle需求，这个无可避免。