WXG微信支付后台开发一面

20min实习，基本都是点对点问需求细节，很难写出来AI工作流时长优化问题亿级数据量怎么处理OCR优化，端上识别和云端识别准确率分别如何怎么设计的OCR兜底方案....40min算法（25min做题+15min讨论）1.长度最小子数组，简单滑动窗口。后续追问假如有负数怎么处理？2.岛屿最大面积，dfs递归。后续追问栈溢出怎么办？bfs怎么办？顺便问了下操作系统的堆栈知识3.通配符匹配，二维动态规划。后续追问能否优化空间复杂度？反问AI coding经验探讨团队用go还是c++

请先做个自我介绍。   在实习项目中，有用 AI 辅助 coding 吗？   实习项目相关（占大约一半面试）   无锁队列的实现原理是什么？对比其他队列的优势和劣势？为什么不是所有场景都用无锁队列？   锁的种类有哪些？各自的使用场景？   TCP 保证可靠传输的机制有哪些？   能讲一下 TCP 连接的状态机流转过程吗？  一、连接建立（三次握手） 假设客户端主动发起连接，服务器被动监听。    步骤 客户端状态变化 服务端状态变化     初始 CLOSED LISTEN（监听端口）   1. 客户端发送 SYN SYN_SENT –   2. 服务端收到 SYN，回复 SYN+ACK ...

一面（1小时30分钟）：上来先做题1. 手撕AdamW2. 手撕无重复字母的字串（hot100）3. 出了两个题都是对数据库的操作，我以为是让写大模拟，写到一半结果面试官告诉我是用sql写🐱，不会遂罢。4. 面对海量数据的时候怎么对数据进行处理，比如说去除掉敏感词等等，面对海量数据会出现哪些问题，该如何去处理5. 介绍发表的顶会论文6. 介绍Q-learning和DQN二面（2小时30分钟）实习乃至秋招面的最久的一轮面试了，从晚上七点多面到十点，最后人都麻了🥵，面试官估计要下班了结束了面试🐱1. 介绍论文，主包是做强化学习相关的，围绕问了很多强化学习算法（GRPO，PPO，reward model)，介绍马尔可夫决策过程。2. bf16、fp16和fp32，并进行计算。3. lora微调的细节，量化相关知识然后开始漫长的手撕过程🥵4. 手撕ppo5. 算马尔可夫决策过程的γ阈值，我感觉是个无穷级数？6. 算模型sft的参数量大小及显卡利用率7. 是否重合链表（hot100）8. 如何使得一个输入向量x在经过一个或多个全连接层后，其输出向量y所在子空间基底尽可能接近标准正交基三面（面委会面）（30分钟）1. 介绍第一篇顶会论文（共享屏幕）2. 介绍第二篇顶会论文3. 不同强化学习之间的区别4. 和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变hr面（30分钟）常规的hr面问题，主要问来wx的意向。感觉前几面比较侧重技术细节，面委会感觉就比较侧重聊未来技术的发展，个人感觉前几面的压力比较大😼📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 自我介绍2. 介绍你的实习项目，你做了哪些事情以及你的思考3. 升级之后 tool 调用准确率提升了多少，怎么衡量答案：tool 调用准确率不能只看模型有没有调用工具，而要看调用的工具是否正确、参数是否正确、调用顺序是否正确、结果是否被正确使用。我们会把一次工具调用拆成几个指标：工具选择准确率、参数填充准确率、无效调用率、重复调用率、最终任务成功率。比如升级前模型经常把“查询保单责任”和“查询历史理赔”混淆，或者漏传 policyId。后来通过工具分域、意图路由、参数 schema 校验和少量高质量样例，工具选择准确率从大概 82% 提升到 92% 左右，关键参数完整率从 88% 提升到...