诺瓦星云技术支持一面二面

1、hashMap原理2、jvm垃圾回收原理3、项目：漏洞检测系统怎么做的4、项目：漏洞重复提交校验5、项目：排行榜的设计6、zset底层原理7、项目：AI智能路由咋么做的8、项目：成本消耗40%是如何算的9、如果AI生成一直失败怎么办10、java21虚拟线程11、团队里有分歧怎么办12、leader当着全团队批评我怎么办13、随着AI生成的内容代码变成屎山，你如何处理14、反问：

📍面试公司：北京飞轮数据科技 1h 已挂🕐面试时间：2026.5.25 💻面试岗位：Java❓面试问题：项目：40min算法：链表反转 25min整个过程无八股，就逮着三个亮点一直问。反转链表太久没写了，最后用了太多时间写了个大概。项目答的挺好，没想到死在了算法，多刷hot100吧🙌面试感想：这么简单的算法都没写出来，还是太菜了...

面完模型训练与AI运营-视图方向，以下是个人的小看法一、岗位通俗解读视图方向≠前端页面视图=AI视觉画面赛道专注：图片/视频帧/场景画面识别，属于视觉模态AI运营，不做文本、音频多模态，只搞画面模型落地与迭代。简单说：管视觉模型的数据、训练效果、线上bug、迭代优化，偏落地运营，不搞底层算法研发。二、核心工作内容1. 视图数据治理：清洗业务画面、过滤模糊/遮挡/过曝坏图、筛选正负样本、归一化数据集2. 模型微调实验：视觉模型微调、调参、对比实验、指标评测（准确率/召回率/误漏检）3. 线上运营迭代：收集画面识别Bad Case、问题归因、难样本回流、模型版本迭代4. 业务落地：制定标准拍摄视图规范，提升模型真实场景适配率三、面试高频必问真题1. 视图AI运营和普通AI运营的区别？普通AI运营侧重文本对话、prompt优化。视图方向专攻视觉画面，核心解决光线、角度、遮挡、画面畸变导致的识别误差，对图像场景敏感度要求更高。2. 视觉视图模型常见Bad Case？- 环境问题：暗光、强光、逆光识别失效- 画面问题：角度倾斜、画面畸变、物体遮挡- 场景问题：背景复杂、相似物体干扰- 设备问题：画质模糊、压缩失真3. 完整迭代流程需求拆解 → 视图数据清洗筛选 → 微调实验 → 离线评测 → 灰度上线 → 线上抽检 → case归因回流 → 模型迭代4. 如何提升模型场景适配性？补充极端场景样本、图像数据增广、稀缺场景增量训练、统一业务拍摄标准四、岗位适配人群适合：有AI运营、数据标注、模型微调、case复盘、数据分析经验的同学偏实操、重落地、不卷算法论文，非常适合求职AI中后台运营岗！

📍面试公司：爱奇艺🕐面试时间：5.22💻面试岗位：高级研发工程师❓面试问题：个人介绍刚刚毕业不到一年看机会的原因Kafka的WAL是怎么做的？内部自研的相关文件吗？DSP平台和广告主对接是RTA/RTB？具体什么形式竞价主流程的CompletableFuture是如何编排的？对应的这个线程池是怎么配置的服务的QPS，部署的实例情况项目相关问题令牌桶的限流算法令牌桶算法在流量低谷的时候会积压令牌，这时候突然来流量你们怎么处理的？不会过大有影响吗MySQL考察，新建一个索引，index：create_time，id，channel，然后sql是explain select * from te...