发一下问题给大家参考，攒攒人品！1.项目拷打2. Qwen和DeepSeek的技术差异。3.当前主流的强化学习算法有哪些？请写出对应损失函数的数学表达式。4.介绍RLHF的实施流程。5. RLHF对齐流程解析。6.说明 SFT （监督微调）和 RLHF （基于人类反馈的强化学习）的具体作用。7. LORA （低秩自适应）的核心原理。8.使用 SFT 存在哪些局限性。9.手撕实现"括号生成"问题( LeetCode 22)，要求生成 n 对有效括号的所有组合。

深度学习算法工程师，cpp开发工程师，agent开发工程师面试经验深度学习八股一、深度学习八股1. 什么是过拟合?怎么解决训练集效果远远大于测试集，启用L1，L2正则化，提高dropout率，批次归一化等等2. 什么是欠拟合?怎么解决训练集和测试集效果均不好，减少dropout率，通过注意力机制增驾网络复杂度3. 梯度消失和梯度爆炸原因是什么?非线性激活函数导致梯度上升和下降，例如relu可能导致梯度消失等等4. RELU和sigmoid的是什么?明确两者的表达式5. 什么是反向传播，介绍一下梯度反向传播数据流正向传播，为了让目标变小，最终函数对网络参数求导Δw，为了减少目标函数w=w-Δw6. 什么是损失函数?分类和分割常用那些?为了帮助我们达到我们的目标。分类准确率，分割常用损失交叉熵7. 分类任务和分割任务你认为区别在哪里?解码器的最后部分不同，分割本质是像素级别的分类。分类是泛泛整体的分割8. dropout原理是什么?有什么用一定比例神经元失活9. 卷积层的作用是什么提取感受野范围内特征10. 池化层的作用是什么?什么是平均值池化，什么是最大值池化根据感受野内内容进一步提取特征，求感受野平均值，最大值11. 什么是注意力机制?注意力机制有什么用?帮助我们捕获需要关注的特征，忽略次要特征12. 你的注意力机制如何设计的?并行融合通道注意力机制和空间注意力机制13. 残差网络好，为什么要利用残差网络?残差网络作用融合浅层特征，避免梯度消失，梯度爆炸14. 什么是连通性？单连通和多连通分别是什么闭合曲线就是连通的，中间部位有无其他区域被分为单联通和多连通15. 训练神经网络的时候，如何选择学习率初始学习率较高，进行后学习率降低。加速收敛，寻找最优值16. 一个深度学习的分割项目都包括那些环节?数据集预处理，神经网络搭建，损失函数，评价指标选择，后处理17. 各个环节都有什么用途预处理，进行数据增强，提高网络鲁棒性神经网络，提取归纳特征完成任务损失函数，确定任务目标评价指标，评价模型好坏后处理，进一步处理，提高评价指标18.什么是Unet网络?u型网络，结果包括编码器解码器，编码器不断卷积池化进行特征提取，解码器不断接受跳跃连接和上采样，卷积进行解码19. 损失函数是什么，如何设计的bce和dice表达式，如何联合20. 常见的后处理操作如何设计根据数据集特点，单连通区域，几个目标，目标间的关系等等21. L1和L2正则化有什么用l1，l2公式明确，减少参数复杂题，防止过拟合，22. 如何评估模型结果的好坏通过评价指标的高低来评价模型的好坏23. 什么是准确率tp+tn/(tp+tn+fn+tn)24. 什么是精确率所有预测为真当中真的为真的概率: tp/(tp+fp)25. 什么是召回率所有真当中预测为真概率: tp/(tp+fn)26. 什么是混淆矩阵真实为真，真实为假预测为真: tp，fp预测为假: fn，tn27. 一般如何进行数据增强旋转，平移，镜像，随机裁剪等变换其他1. 你认为你的项目都用到了什么?残差网络，混合注意力机制，混合损失函数，后处理设计2. 你认为你用的这些模块有什么用?残差网络: 融合浅层特征，避免梯度消失或者爆炸混合注意力机制:让我们更加关注值得关注的特征，忽略次要特征混合损失函数:联合dice+iou，对于正类分割效果加强后处理:找到数据集的特点，针对数据集的特点进行设计，利用连通性(单、多)，大小，主次要病灶等手段3. 你用了什么评价指标?iou，dice，精确率，召回率，准确率4. 你的效果大概提升了多少?自己实际情况cpp开发八股cpp基础1. malloc与new区别返回值有无类型2.cpp的特点封装继承多态封装类子类继承父类，public，private，protect不同类型3.指针悬空 内存泄露指针释放，内容没有释放，空间消失，指针还在4.智能指针自定取消指针5.分区——内存分区四分区模型计算机网络6. udp/tcp划分安全与快速性 握手与挥手7. 7层模型物理层，数据链路层……8. http信号http和https区别数据结构9. 线性结构，非线性结构链表，线性表，堆栈，队伍树，图10. dfs，bfs 树图递归算法11. 递归，stack处理括号匹配数据库相关知识agent开发1. agent都有什么类型reflect，reaction，plan-action等等2. agent组成llm，prompt，momery，tool3.开发框架langgraph(非可视化)，dify(可视化)4. prompt组成系统prompt+用户+记忆5. langgraph数据状态在图之间流动6. 如何设计并发通过时间循环执行异步函数实现并发7. Python后端框架Flask，djingo8. 前端框架vue，html，JavaScript9.如何管理记忆短期记忆，长期记忆10.如何进行rag，数据增强余弦相似度匹配，向量匹配11.如何微调模型SFT+RL如何设计的项目1. 分为七段式提取pdf内容指定内容，内容需求分类，保存数据库，与已有内容对比去重设计文本粗分块，文本细分块2. 如何设计agent，mcp链接langchain，mcp链接dify，链接飞书机器人3.lora微调大模型针对特定分类任务，4.搭建串级模型，微调大模型+通过大模型prompt手撕，括号匹配，单词接龙，链表，冒泡，快排，图，动态规划

发点面经攒攒人品～八股1.写一下 attention 公式2.训练时为什么要mask，推理时也需要吗？两处有什么区别？推理时的sequence length和训练时一样吗3.transformer和传统seq2seq模型有什么区别？4.计算attention时为什么要除以d_k，这个d_k的含义是？5.attention计算时还有哪些scale处理？6.attention中softmax函数作用、公式、为什么有减去最大值的处理？换个函数还能这样处理吗？7.解释数值上溢、下溢问题8.讲一下prompt书写的经验，如何判断prompt是否达标，如何改进prompt9.讲一下SFT，会对哪部分计算loss？为什么？10.讲一下deepspeed11.训练用一个7b模型要占用多少显存？不同zero阶段能够节省多少显存？12.训练模型时用了几张卡，有遇到什么异常中断问题吗？

1. 代码考核题1：找出长度最小的子数组2. 代码考核题2：SQL题目，涉及两张表连接、按日期分组计算人均PV3. 请做一个自我介绍4. 你的项目是学校课程作业还是自己学习的？具体介绍一下项目来源5. 你的商城项目考虑了高并发，说一下整体架构设计思路6. 说一下你的部署方案7. 解释一下JWT + Redis双token机制的工作原理，以及相比传统session登录的优势8. Redis有几种数据结构，各种数据结构的特点和优缺点是什么？9. 为什么使用Redis + Lua脚本来扣减库存？10. 在Lua脚本里面怎么定义一个变量？11. 订单和库存的数据一致性是怎么保证的？是什么级别的一致性（最终一致性还是实时一致性）？12. 多级缓存（Caffeine + Redis）架构存在哪些问题？分布式部署时又会遇到什么问题？13. 订单智能释放使用了RocketMQ延迟消息+定时任务兜底方案，为什么不能只用RocketMQ延迟消息？14. 如果项目运行中接口突然变慢，怎么去查找问题所在并解决？15. 你的Agent项目是怎么做的？有没有知识库训练？16. 意图判断和意图识别是怎么处理的？17. prompt是谁写的？是内置的还是用户自己写？18. 你们有统一的家居行业知识库吗？是给大模型提前训练还是有现成的针对家居的抓手大模型？19. 你是怎么使用AI coding的？第一次面试，准备得很不充分，刚上来就是代码题有点紧张。面试官是s3的，难道技术提前批都是去s3？感觉基本寄了，上来直接问部署细节（我本来想答K8s，docker之类的但不熟就没说）+ 语法细节，很明显就知道项目不是我从头到尾自己手搓的（我说用了AI coding）没有问八股（很奇怪），一直在拷打项目，答得整体一般