头疼的八股小子

业务场景1：AI美食推荐系统（临时饮食需求响应不足）美团某AI美食推荐系统对“临时饮食需求”响应不足，如用户突然想吃“低卡减脂餐”“适合儿童的软食”，推荐结果仍以历史偏好（如重口味川菜）为主。问题1：如何让AI美食推荐系统更精准捕捉用户的“临时饮食需求”？追问1：你会设计哪些“临时需求标签”入口（如快捷按钮、语音指令）？标签体系如何分类？追问2：临时需求与历史偏好冲突时（如平时吃辣突然要清淡），推荐权重应如何调整？追问3：如何判断用户的“临时需求”是一次性还是长期变更？依据哪些行为数据？业务场景2：AI骑手调度系统（恶劣天气+高峰订单积压）美团某AI骑手调度系统在“恶劣天气+用餐高峰”时，常出现“部分区域订单积压”“骑手抢单冲突”等问题，导致配送延迟率上升50%。问题2：如何优化AI骑手调度系统在“恶劣天气+高峰”场景下的效率？追问1：你会如何调整骑手派单优先级？需考虑哪些因素（如骑手位置、负载量、天气适应能力）？追问2：针对订单积压区域，是否需要动态调整配送费激励？调整幅度如何计算？追问3：如何让系统提前预测“恶劣天气下的订单峰值”？需纳入哪些预测因子？业务场景3：AI生鲜质量检测系统（肉类新鲜度判断不准）美团某AI生鲜质量检测系统（通过拍照识别）对“肉类新鲜度”判断准确率低，常将“轻微变质肉”误判为合格，导致用户投诉。问题3：如何提升AI生鲜质量检测系统对“肉类新鲜度”的判断准确率？追问1：你会让模型重点识别肉类的哪些新鲜度特征（如色泽、纹理、脂肪分布）？如何获取标准样本？追问2：检测时是否需要结合“环境因素”（如拍摄光线、角度）进行校正？如何实现？追问3：当检测结果存疑时，应如何提示用户和商家（如建议“进一步检测”“谨慎购买”）？