游卡oc了

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1、实时生成的聊天代理模型，如果线上出现问题，你会怎么定位？2、给一个电路板串联，每一段都有测试点，如何快速判断是哪一个点位出了问题？3、模型回复速度慢可能有哪些原因？4、两个地方访问同一个服务，法国返回速度正常，美国响应慢，可能哪里出了问题？5、聊天代理为什么通常会拆成多个模块？6、前端、后端和大模型三个模块一般是怎么协作的？7、介绍一下你对 Docker 的理解。8、Docker 的代码分治或模块化是怎么实现的？9、如果从全栈角度思考，你会怎么构建一个生成式乙女游戏？10、在现实生活中，有没有类似 deepseek 深度思考过程的例子？11、RAG 是什么？12、Function Calling 和 AI Agent 的关系是什么？

笔试1、现场做笔试，各方面问题都有一些，无算法题。记忆里牛客上有过它的笔试题，但现在找不到了，好像一直没变过。一面2、你工作里做过的重要的功能3、多少人做？重做还是优化？4、你有对红点系统了解吗？你会怎么设计？会有什么问题？5、海外本地化怎么控制的，直接在UI里面适配，还是写在代码里？6、一些独特的海外设计，如何避免因为合并分支导致冲突掉？7、一些特殊的海外资源怎么组织呢？一同放在项目里？（打包时替换成海外资源）8、各个分支的版本控制是如何组织的？9、UGUI常用的优化10、背包一百个格子和物品，怎么优化？11、无限滚动列表的实现？你们项目里无限列表的实现方式12、UGUI rebuild的整...

很多后端的日志要么全是info，要么全是debug，出事了根本筛不出重点。本地调试用debug，关键状态变化用info，异常用error，但还有一个很少人用的——trace，专门用来打印“请求入口和出口”的耗时和参数。这样线上出问题时，我可以只grep trace，三秒钟定位到是哪个环节慢了。

1. 全参数微调的显存一般怎么估算全参数微调的显存不能只看模型参数本身，真正上线训练时至少要把参数、梯度、优化器状态和激活值都算进去。最粗略的估算方式是：如果模型参数量是 N，训练精度是 bf16，那么参数大约占 2N 字节，梯度再来一份 2N，如果用 Adam，还要额外保存两组一阶和二阶矩，通常再加 4N + 4N 字节。也就是说，不考虑激活值时，单参数相关内存大致可以按 12N ~ 16N 字节估。真正把 batch size、sequence length、checkpointing、并行策略加进去后，激活值往往才是大头。所以面试里如果只答“参数量乘 2”基本不够。更稳的答法是先给出静态...