minimax大模型算法面经

感觉有点拷打1.如何维护多异步任务下上下文窗口不被污染，2.rag流程3.mcp和tool区别4.redis的单线程模型5.https的握手流程6.手撕：课程表

1. 自我介绍2. 上一段实习主要做了哪些业务？3. Agent Benchmark方面主要是针对通用Agent还是垂类agent？4. 请说一下在benchmark开发过程中，印象比较深得是哪一个benchmark，背景是啥，难点有哪些，学到了什么？5. 如果需要你做一个多模态的agent benchmark框架，你会如何实现？6. Python中哪些类型是不可变类型？7.python中的进程和线程有什么区别？8. 用过装饰器，迭代器，生成器嘛，讲一下9. OSI模型结构10. TCP/IP在哪一层11. TCP/UDP有什么区别？12. 代码题:  Z字形排列 leetcode中等难度题13. 反问14. 还有几个问题我忘记了。。。。体验：1. 网络不太好所以体验可能不是很好2. 回答不太好的地方：1. 生成器 迭代器 装饰器，我说的不是很细致 ，重点说了装饰器，另外两个一笔带过了就，当然也只是AI辅助下用过2. OSI模型结构，自下而上回答的，中间有顺序说反了3. TCP/IP回答是在传输层，应该分开答的，TCP传输层IP网络层，当时只回答了传输层。。。3. 代码题：只有一两个测试数据，难度leetcode中等题目，网络不太好线上IDE加载不出来，随便说了说思路，但是这题之前看leetcode没刷到过，第一次看有点懵逼找了半天Z形。。。。总结：1. 基础知识八股文要背的呀，之前从来没背过，虽然很多知识看一遍就能记起来，但是还是要多少看一下的2. 最近几次面试感觉比较喜欢考中等难度的这种非算法题，是让你找规律的这种题，不像著名的滑动窗口或者动态规划这一类的，感觉这种题找规律或者说去拼很花时间3. 整体还好吧，上次实习时间过去比较久了而且当时没有在自己电脑写实习记录导致很多细节都忘记了，回答的比较笼统，所以再实习还是做好记录吧

1、自我介绍2、项目拷打3、项目难点4、大文件上传断点续传怎么做的5、大文件上传并发上传控制器怎么做的6、怎么实现流式响应的处理7、虚拟列表定高和不定高的原理8、TCP 和 UDP 的区别9、SSE 和 WebSocket 的区别10、http1.0 和 http2.0 的区别11、输入 url 的解析过程12、首屏优化方式13、webpack 的打包优化方式(因为首屏优化谈到了 Tree Shaking，所以问了一下这个)14、vite 的构建原理15、vue3 的响应式原理16、ref 和 reactive 的区别17、ref 传入一个对象发生了什么(瞎答的，我说因为 ref 底层源码用到了 reactive，所以应该是直接调用 reactive，结果面试官说我答对了，hhhh)18、react 的常用 hooks(react 一点不会，，，面试官看我不会就没问了)19、项目中用到了 nestjs，说说用到了哪些装饰器(真的有公司日常开发会用 nestjs 么，，，我就是个切图仔，问我这个干什么)20、三道手撕：Promise.all(秒)接雨水(秒，面试官说我写的有点快，hhhh)股票买卖的最佳时机 II(写了一半，就写了个股票买卖的最佳时机的单区间的解法)21、反问：主要技术栈，写 react 的，感觉技术栈严重不匹配，虽然八股大部分都答出来了，但是感觉面试官觉得我 react 了解太少，估计要凉 😭公司业务————update：约二面了

1.八股：LoRA 和全参数微调的核心区别是什么？在显存和训练效率上各有什么优劣？2.八股：DPO、PPO、GRPO 三者的优化目标有何不同？为什么 GRPO 的 loss 中要显式加入 KL 散度项？3.八股：Transformer Encoder 中 FFN 的作用是什么？4.八股：什么是 DeepSeek 的 MLA？它的优势是什么？5.项目: 你在实习中用 LoRA 微调了哪个开源大模型？具体 rank、alpha、dropout 是多少？为什么这样设置？6.项目：SFT和DPO 数据是否有重叠？DPO 的偏好数据是如何构造的？人工标注成本大概多少？7.项目：你们的 RAG 系统召回阶段用了 BGE-M3 还是 BM25？最终选择依据是什么指标（如 Recall@k）？BGE-M3 输出向量维度是多少？8.项目：为什么不用纯向量相似度直接生成答案，而要再过一遍大模型？这样做对幻觉和安全性有什么帮助？9.手撕：接雨水（LeetCode 42）