美团二面，求OC（附带超长面经）

搜推+大模型算法一面面试题SFT & RL 方向先 answer 后 cot vs 先 cot 后 answer：两种 SFT 范式在训练效果上有什么差异？你是否做过对比实验？标注质量管控：如何保证人工标注数据的准确率达到预期标准？有哪些校验或质控手段？Checkpoint 选择：如何挑选合适的 SFT checkpoint，用于后续的 RLHF 阶段？多模态输入：图片是如何输入到 VLM 模型中的？一张图片通常会被编码为多少个 token？RL vs SFT：你认为强化学习（RL）和监督微调（SFT）的核心区别是什么？训练范式选择：为什么不直接从零开始做 RL，而是要采用「SFT → RL」的两阶段流程？RL 关键机制：什么是重要性采样？为什么在 RL 训练中要引入 CLIP 机制？策略类型差异：On-policy 和 Off-policy 算法的核心区别是什么？各自的适用场景有哪些？八股文（Transformer 基础）因果掩码作用：Transformer Decoder 中为什么必须使用自回归因果掩码？缩放点积注意力：为什么注意力分数要除以d​k​？（补充：Layernorm 前置后，除以d​可将方差归一到 1，避免 softmax 梯度饱和）推荐系统方向生成式推荐 vs 传统推荐：两者的核心区别是什么？生成式推荐的目标是什么？你如何看待它的未来发展前景？指标计算：AUC、HR、NDCG 的计算公式分别是什么？GAUC 和 AUC 的区别在哪里？编码方式：如何在模型中加入时间编码和位置编码？常用的位置编码方法有哪些？Coding：手撕 Multi-Head Attention（MHA） 实现二面面试题SFT & CoT 细节概率分布特性：在「先 cot 后 answer」的 SFT 范式下，为什么越靠后的 token 概率（prob）会越高？蒸馏噪声处理：用大模型蒸馏得到的 CoT 数据存在大量噪声，该如何缓解？VLM 幻觉问题：对 VLM 做 SFT 时，发现模型更信任文本信息，看图时反而容易产生幻觉，有哪些解决思路？RL 进阶PPO 核心：写出 PPO 中 GAE 的公式，并说明如何递归计算每个 token 的优势函数（advantage）？DPO 损失：写出 DPO 算法的损失函数公式？算法对比：GRPO 和 PPO 的核心区别是什么？GSPO 和 GRPO 又有哪些不同？训练稳定性：你遇到过 RL 中的熵塌缩（entropy collapse）和 reward hacking 问题吗？分别有哪些改进方法？最近有哪些新论文提出了新方案？采样困境：在采样类 RL 算法中，on-policy rollout 无法得到正确答案时该怎么办？自蒸馏：了解 Self-Distillation 吗？为什么要做自蒸馏？最近这方向有哪些代表性论文？震荡优化：RL 训练中 reward 或 loss 震荡严重，该如何调整？（提示：可从学习率 lr、KL 散度约束等方向入手）推荐系统进阶结构对比：HSTU 和 Transformer 结构的差异是什么？它和 OneRec 的整体流程有什么不同？SID 优化：如何降低 SID 碰撞率，同时提高特征利用率？量化算法：RQ-VAE 和 RQ-Kmeans 的算法原理分别是什么？OneRec 工程：OneRec 中是如何将 SID 加入模型词表和 tokenizer 的？多模态融合：如何更好地结合文本特征和多模态特征？模型演进：Rankmixer 是如何发展到 Tokenmixer 的？Coding：给定一个行内严格递增的 m×n 矩阵，找到矩阵中第 k 大的数

继续来分享下之前的面经~欢迎友好讨论，信息共享1.项目吟唱2.为什么要使用语义 ID？除了RQ-VAE，你还了解其他的生成语义 ID 的方式吗？VAE 具体是怎么做的？码本你有没有采取过不同的 embedding size？3.强化学习阶段引入 GRPO 算法，详细讲一下推荐算法基础理论提问1.对传统的推荐算法了解哪些？2.召回、粗排、精排、重排全链路，尤其是精排环节，你了解哪些经典的网络结构？3.精排里经常做多目标预测，如果遇到目标之间此消彼长的跷跷板问题，有什么方法可以解决？你了解过拟合的表现是什么吗？4.模型遇到过拟合的时候，该怎么处理？算法代码题提问1.找数组中第 K 大的元素，先讲一下你的解题思路？2.写一下无重复字符的最长子串的解题代码？

脉脉二面： 压力暴大，对你的每个点都刨根问底，问底层，实习组织架构，日常工作划分，使用到的技术的各项底层原理，30分钟实习，八股很少，如下：1.用户从点击到你的web服务经过什么（计网加网关加springmvc全背）2.mysql与redis应用场景3.进程，线程，协程4.分别什么时候用5.只接触过多线程吗？写了道题，字母异位词分组，我以为结束了，结果继续问，输入的strs有1亿个字段，把世界上所有的单词都输进去了，应该是用分治，但是没想出来，说了没思路还在一直追问，总共一小时，昨天晚上面，感觉应该是挂了。美团一面：总共一个小时，完全无八股，畅聊实习与ai，难度不高，面试官对ai的兴趣很高1.function call，mcp，skills的区别2.平常开发用过skills嘛3.对龙虾怎么看4.平常ai coding做的多嘛，怎么做5.会不会用ai排查问题6.说说你对ai的看法吧总体难度不高，但是问的实习也蛮有水平的，面试官很和蔼，一直有在善意的笑，给到夯，最后写了道算法，数组中第k大的数，说了快排跟最小堆，但是不知道快速选择，面试官说是变种，让下去再看一下，业务是crm到餐，介绍业务很细致，也讲了他们组里对于ai的应用，感觉对ai很重视。总体很平和应该能过。最近暑期没怎么开，也没怎么投，原本今天面字节，但是昨天突然给我说没hc了，给我取消面试了，也许上天指引我留在手子吧哈哈哈。百度一面已过，今晚二面！

1.自我介绍2.ai方面实践3.ai使用4.分布式锁--分布式锁设置过期时间，是为了防止服务宕机导致锁无法释放，造成资源永久占用。不是防止死锁（这里脑子宕机了说成死锁了😭）5.使用redis实现滑动窗口统计功能--（1）如果是固定时间窗口，使用zset，member存请求的唯一标识，score存时间戳；请求进入后，先删除窗口外的元素，把当前请求加入zset，计算size。（2）如果是固定次数窗口，使用list：使用 LPUSH 将新数据推入列表头部，用 LTRIM 修剪列表只保留窗口大小的元素。6.编码过程当中有没有用过一些设计模式7.为什么会有设计模式呢？设计模式主要是为了解决什么问题呢？8.面向对象设计原则9.设计一个秒杀系统，有什么思路？10.为什么在agent方面实践不多？精力都放在哪里了？--感觉他对我没有ai开发经验耿耿于怀，面试一半时间都在问ai的事情11.你学新技术一般是看视频多呀？还是看官网多？还是看博客多？12.如果让你去学习ai应用开发，你怎么学？13.这个实习这个过程当中，你觉得你最大收获是什么呀？14.建议你实践一下ai开发--已挂