26秋招之网易有道大模型算法一面

1. 手撕 合并区间2. 八股1）请介绍 Transformer 的结构组成及各部分作用，在长序列时空数据中，2）如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3）GNN的消息传递机制是怎样的？在时空图中，如何结合时间信息编码节点特征？你接触过哪些时空 GNN 模型？4）LoRA微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？5）RAG的完整流程，在时空出行数据场景里，构建向量检索库时如何处理时间衰减对召回的影响？6）强化学习在 Agent 优化中的应用，结合出行推荐 Agent，你会如何设计 Reward 函数？3. 项目1）微调时的训练数据是怎么构建的？如何保证样本多样性和质量？2）在 RAG+时空知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？是怎样保证实时性的？3）在大规模轨迹数据下是怎么做负采样（Negative Sampling）的？4）训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？5）在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？4. 开放题1）大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？2）如果你要在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？

面试部门：忘了....好像是做财务的timeline：09.18投递，09.23一面，面完秒挂一面（30min）自我介绍实习期间最有价值的项目有没有遇到数据倾斜问题，什么场景，解决思路是什么Flink反压产生的原因，解决思路有哪些Spark中groupByKey，reduceByKey，aggregationByKey的区别是什么，如何选择

一面 1.几乎全问的简历项目，穿插简历中提到的八股2.简历上包括一个涉及LORA、RAG、单Agent开发的实验室3.横向项目，和之前一段实习做的DPO4.问第一个项目背景5.为什么用LORA以及LORA原理优缺点6.RAG是怎么做的，向量库怎么构建的7.为什么项目流程这么设计，出于什么考虑8.Agent用什么框架搭建的9.问第二个项目背景为什么这么设计10.问数据形式是什么样的问数据合成方法11.几个强化学习的概念12.DPO的好处13.手撕-一道很简单的链表题

一面 HR面 10分钟1、自我介绍2、家人是否有在联通任职的3、意象城市、期待薪资、意向的求职方向，为什么？4、未来职业规划5、目前有没有其他的offer?6、有没有实习经历？7、有点跨行，为什么？面试等了80分钟才到我，一共面了10分钟，二面啥时候通知还不知道。二面是综合面，含技术提问。