用的是java第一题 合数配对小于4直接返回-1，大于4的拆成4和2n-4。不知道为啥只通过0.6第二题 灯带翻转一次遍历O(n)，记录f0、f1、f2为三段灯颜色连续灯带的焊点权重之和，f0需要减去左边的第一个焊点权重，最大值就是f0+f1+f2。不知道为啥只通过0.3。。。第三题 人群相遇按顺序遍历，用集合记录所有向右走（1）的人，当遍历到向左走（0）的人时，统计左边所有向右走、且距离 ≤ 2× 时间的人，每符合一对就计数 + 1。这个我是真不理解，为啥测试案例过了，用例一个都没过

做技术面试官这些年，经历过线下面试的严谨，也适应了线上面试的便捷。自从公司全面转为线上面试，虽然视频沟通少了些面对面的直观感，但对算法题作答来说，不管是候选人提交代码，还是我们校验结果，都比以前方便了不少。但是去年开始，我被一个新问题困扰——越来越多的候选人在面试中使用AI辅助。这事儿最让人纠结的地方在于，大多时候都只是“嫌疑”，没有实锤。你说直接判定为作弊吧，怕冤枉了品行端正的候选人；可要是在面试过程中直接点破，又容易引发投诉和舆情。更麻烦的是，由于这几位作弊的候选人，我们整个面试团队都会变得格外警惕。之后面试每一个人，都会下意识地寻找作弊的蛛丝马迹，眼神、语速、回答的流畅度，甚至是镜头外的...

好不容易遇到都能写出来的题目，样例都过了时间复杂度也不高，但是就是一直为0，不知道少考虑的啥情况，也不知道从哪里去优化了，没招了

30min，无算法，无八股，全程问项目......项目来源、部署方式，以及你做了哪些优化？如何思考这些优化？ 为什么引入 SPI？解决了什么问题？适用于什么场景？ 秒杀整体方案是怎样的？（同步 vs 异步） Redis + Lua 在秒杀中的作用？如何保证原子性、防超卖、一人一单？ 为什么要引入 MQ？在系统中起什么作用？ MQ 消费失败会带来什么问题？如何解决？ 如何保证 MQ 的可靠性？ 如何监控 MQ？出现问题如何快速定位？ 如果 MQ 出问题，系统如何降级？ 如何设计高可用方案（如 Consumer、集群、容灾）？ 秒杀系统中哪些需要强一致性？哪些只需要最终一致性？ AI 项目整体架构...