第二个offer美团

1.可以挑一个最近觉得挑战比较大的项目展开介绍一下吗？2.Agent 内部具体的实现可以再详细介绍一下吗？3.MCP 是把自然语言转成预置查询类的工具吗？4.操作内部平台时，工具会去操作吗？5.系统测试完成后，准确率怎么评估？6.用 20% 数据作为测试集，是模型跑 case 后人工评判准确率吗？7.如何对答案进行轨迹级评分？8.目前系统的准确率是多少？9.项目后续继续优化的话，有哪些优化思路？10.现在系统最核心的问题是并发问题吗？11.准确率还有提升空间吗？12.模型输出不符合预期时，prompt 会有问题吗？会调 prompt 吗？13.有考虑过做 SFT 和强化学习吗？14.目前 RAG 具体的实现是怎么样的？15.如果用 Redis 的缓存，会在哪个阶段去做？16.Redis 为什么在高并发情况下表现得比较好？17.什么场景下会用多线程？18.RAG 作为知识库检索，和把知识库放到 ES 上让模型调用 MCP 接口有什么区别？19.若自己实现包含 ES 检索和向量检索的搜索接口，和 RAG 有什么区别？20.Redis 和 MySQL 在使用场景上有哪些区别？21.B + 树是怎么样的结构？22.B + 树和红黑树的区别是什么？MySQL 用红黑树效率会更好吗？23.1000 万条数据用 B + 树存储，树的高度大概是多少？24.场景题，给定一个实时输入流（随时可能停，无法全量存储），如何等概率选取 5 条记录？手撕：两个有序数组，O（logN）求合并后第k大的数。反问：业务方向。答：主要是头条的一些视频，包括视频的一些生产、消费。也涉及到一些视频的一些 AI 技术和理解。面试官水平很高，节奏掌握得很好。目前已经约三面了。

1. 说一下 SFT、RLHF、DPO 的区别，线上项目里你会怎么选？答：SFT 是监督微调，核心是让模型学会“像人一样回答”，训练数据一般是 prompt-response 对，优点是简单直接、稳定、成本低，适合把基座模型先拉到业务可用水平。RLHF 是先做 SFT，再训练奖励模型，然后通过 PPO 之类的方法让模型朝着“人类更偏好”的方向优化。优点是能更细致地对齐人类偏好，缺点是链路长、训练复杂、容易不稳定。DPO 可以理解成不显式训练奖励模型、也不走复杂强化学习，而是直接利用偏好对做优化，训练上比 RLHF 更简单，效果在很多场景下也不错。如果是企业大模型应用，通常优先级往往是 SFT ...

有没有大佬了解腾讯csig 腾讯云-技术与产品方向后台开发岗位的部门情况，暑期转正率/加班强度/工作氛围

先说一下bg，楼主是海本，过年时候投了几家目前就接到了字节一家的约面。然后就是疯狂复习，因为英文授课原因很多东西用中文讲不太清楚，所以找了好多面经，然后看了很多的经验贴什么什么的。然后。然后。这次面试真的让我有点迷惑了首先就是问的问题都是开放性的，并且难度也不大。之前看到的测开面试，从transformer问到手撕公式，再问到python八股，甚至还有问到http请求什么什么的。结果到了我这里，先是面试官迟到了五分钟（让我感觉她上一个人面了很久），然后也没有开摄像头。。不知道是不是中国都是这样，但是国外面试没有面试官不开摄像头的，感觉很不尊重人。面试先是自我介绍，然后问了一下项目。因为我之前做...