字节搜推算法一面 被拷打麻了

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花一致性哈希和哈希槽分区都是Redis解决单机存储瓶颈、实现分布式分片的核心方案，但二者的设计理念、实现层级、运维特性差异极大：一致性哈希是早期客户端/第三方代理层的通用分片算法，哈希槽是Redis Cluster官方原生的集群分片方案，适配场景和落地成本完全不同。下面先拆解各自原理，再做全方位对比。一、一致性哈希（Consistent Hashing）核心原理一致性哈希是一种通用的分布式哈希算法，并非Redis专属，早期Redis分布式架构（如Codis、Twemproxy）...

被横向挂了，希望发出来对大家有帮助！八股：1.RMSNorm2.Adamw和Adam的区别，好处是什么3.transformer的效率优化的地方，介绍以下KV cache4.你还了解哪些多模态大模型？5.Transformer有几个残差连接，分别在哪？6.pre-norm和post-norm的区别7.Lora的原理；矩阵的秩怎么取；矩阵如何初始化；会引入额外的耗时吗？其它的参数高效微调方法1.双塔模型的了解；clip的损失函数；clip为什么效果好；基于clip的工作2.clip相比llava这种全交互结构，差别在哪里？性能差异大吗？为什么？如果llava没有超过clip，是什么原因？3.clip和llava的图像编码器有区别吗？4.Qwen的训练流程，每一步的训练数据差别，为什么三阶段而不是二阶段手撕：零钱兑换

1、自我介绍2、项目拷打3、介绍 DeepSeek 与 Manus，以及他们之间区别4、介绍 LLM Decoder-Only 架构Decoder-Only 架构本质上就是只使用 Transformer 里的 Decoder 结构，通过自回归的方式一个 token 一个 token 地往后生成内容。它的训练目标通常是 next token prediction，也就是根据前面的上下文预测下一个 token。它的关键点在于 Masked Self-Attention。所谓 masked，就是当前位置只能看到前面的 token，看不到后面的 token，这样模型才能按从左到右的方式学习生成。整体结...

1.深挖实习项目，拷打了四十分钟内容大概如下：rag 构建，向量数据库原理选型，元数据过滤，混合检索怎么做的，重排，召回，评价指标，分层架构怎么设计的，兜底策略，工具调用失败或者顺序性怎么保证，非常全面，同时延伸场景题，如果设计一个可中断的智能体系统怎么做，用户多，点击次数频繁怎么做优化，rag 知识库文档有十几万，怎么办，以及如何不让大模型胡说以及说一些隐私数据AI coding 相关知识以及场景题，如何设计一个大项目代码与 agent 交互系统，大模型 token 有限情况下。transformer 原理，只说结构 qkv 还不行，继续问深的。skills，tool，mcp，openclaw 都有问到，以及自己在科研或者实习项目中怎么用，有什么心得八股：十五分钟bitmap ，缓存穿透，击穿，雪崩布隆过滤器原理es 倒排索引原理mysql 慢查询，如何排查，索引结构，索引失效情况消息队列保证消费唯一性以及顺序性。手撕：单词频率  十分钟反问：表现（AI 广度够了，深度还需加强，transformer 底层原理，一些参数含义等等）部门业务多久有通知美团很重视 AI 的问题，会一直问到不会的那种😭