11.14美的海外星软开一面

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.你的知识库数据是如何清洗和构造的？如果数据质量参差不齐会对 RAG 系统产生哪些影响？3.文档切分策略是如何设计的？chunk size 和 overlap 会如何影响召回质量和生成效果？4.如果用户的问题在知识库中确实存在，但系统经常没有召回正确文档，你会如何排查？5.如果检索到的文档是正确的，但模型最终生成的答案仍然是错误的，你会如何定位问题？6.实际系统中，如果召回结果经常语义相似但事实不相关，你会如何优化检索模块？7.如果一个问题需要跨多个文档的信息才能回答，你的 RAG 系统如何处理这种情况？8.在 RAG 系统中如何判断问题出在检索模块还是生成模块？9.请详细说明 Transformer 从输入 token 到输出 logits 的完整计算流程。10.FFN 层为什么采用“先升维再降维”的结构，这种设计对模型表达能力有什么作用？11.MHA、MQA、GQA 在推理阶段的 KV Cache 占用和计算效率上有什么差异？12.为什么推理阶段 KV Cache 只缓存 K 和 V，而不缓存 Q？13.RoPE 的核心原理是什么，它在长上下文场景下会遇到什么问题？14.instruction tuning 中多轮对话数据训练时，loss mask 应该如何设计？15.如果 SFT 之后模型在特定任务上能力增强，但通用能力明显下降，你会如何解决？16.LoRA 的低秩分解为什么能够逼近全参数微调的效果？17.如果 LoRA 的 rank 设置不合理，在模型表现上会出现什么现象？18.DPO 训练后模型输出明显变长，在实际系统中你会如何处理？19.如果对齐之后模型变得过于保守，经常拒绝回答，你会如何调整训练策略？20.大模型出现复读机现象通常由哪些因素导致？

大家好，我是@程序员花海，最近看到暑期实习大量开启，恰好今天来和大家聊一聊暑期实习的真相和注意事项！今天不废话，直接说大家最关心的问题！1.暑期实习的流程？笔试 面试（1-3轮技术面）+HR面，其中笔试是分为不同批次的，大家可以参考下今年美团的笔试安排。目前看每个月会安排三场笔试，那么笔试题大概会考哪些内容呢？可以看下我的原创文章：https://www.nowcoder.com/feed/main/detail/20e7a999fa04485b88340a274411ca0d?sourceSSR=users 另外，笔试题里面也有选择题，最近很多公司也会引入AI面，这部分要认真对待，因为AI面...

自我介绍后问了擅长语言，给了一串golang代码问输出，然后让自己随便写个排序（脑抽了半天没写出快排，最后写了个冒泡😅）常规八股：1.聚簇索引和非聚簇索引区别2.乐观锁如何实现3.redis的缓存击穿穿透血崩4.redis和数据库的数据一致性如何实现总共30分钟左右，没问项目没问实习😓后续：挂

本人双非本2硕，之前在一家公司实习了4个月，但是感觉产出不多，投暑期感觉希望渺茫，现在纠结是学点行测到时候考国企还是继续投暑期或者日常实习？？