360笔试

40道选择题，2道编程题题目一：现在有n个包子店，下标为0~n-1,每个包子店可以买ai个包子，小明买包子有个癖好，总是喜欢去当前拥有的包子%n的店买，求买了m次后小明手上有多少个包子思路：m很大，因此枚举会超时，且m的数值能远远大于n，因此根据同余定理，买包子的顺序可能会存在环，因此总数量为入环前的包子数+环上的包子数*循环的次数+最后一次不完全环的次数题目二：现在有n个节点，有m条无向边形成无向图，每条边都有一个权重wi，每个节点都站着一个人，现在从任意一个人开始，可以将球传给距离小于等于k的另一个人，且不可将球传给上一个人，直到不能传球为止，求这个无向图有多少个节点可以作为终止节点。题目保证有效路径不会生成环思路：由于有效路径不会存在环，因此该图可以看作为一个森林，且度大于等于2的节点从一条边进入后肯定会从另一条边出去，因此将森林中度小于等于1的节点求出即可，遍历一遍所有边将权重小于等于k的边的两节点即可求每个节点的度

一个AI虚拟女面试官，语音面试，也会显示文字在中间偏左上位置，相当于读一遍，读完之后每个问题16s思考时间，时间结束或自己点击开始录制回答，回答时间5min之内，整体五十分钟左右，几乎每个问题都追问两个问题。美团ai面经1，自我介绍，你如何使用大模型1.1，举个具体的例子说明一下2， tcp 和 udp 的区别以及应用场景。2.1，设计一个游戏网络通信协议用UDP 还是 TCP，为什么？2.2，如何处理丢包和乱序的问题？3， JMM 的主要作用及它是如何影响线程之间的通信3.1，Java 内存模型的三大特性，volatile 关键字，局限性3.2，多个线程对变量进行累加操作，会出现什么问题4，数据库的事务隔离级别4.1，锁机制、 MVCC 等具体说明下4.2，可重复读可能会遇到哪些问题5，设计一个项目管理系统，项目、任务、成员的关系及据库表结构5.1，如何确保任务的创建人一定是项目成员5.2，项目成员的权限分级怎么实现6，忘记了……一个场景题6.1， Redis 的性能出现瓶颈怎么优化6.2，如何保证多个应用实例之间一致性7，不熟悉的技术领域，你会采取哪些步骤来解决7.1，专业的术语和概念短时间无法理解，你会如何调整你的策略？7.2，现有方案效果不如预期，如何评估继续使用还是转向其他解决路径

搜推+大模型算法一面面试题SFT & RL 方向先 answer 后 cot vs 先 cot 后 answer：两种 SFT 范式在训练效果上有什么差异？你是否做过对比实验？标注质量管控：如何保证人工标注数据的准确率达到预期标准？有哪些校验或质控手段？Checkpoint 选择：如何挑选合适的 SFT checkpoint，用于后续的 RLHF 阶段？多模态输入：图片是如何输入到 VLM 模型中的？一张图片通常会被编码为多少个 token？RL vs SFT：你认为强化学习（RL）和监督微调（SFT）的核心区别是什么？训练范式选择：为什么不直接从零开始做 RL，而是要采用「SFT → RL」的两阶段流程？RL 关键机制：什么是重要性采样？为什么在 RL 训练中要引入 CLIP 机制？策略类型差异：On-policy 和 Off-policy 算法的核心区别是什么？各自的适用场景有哪些？八股文（Transformer 基础）因果掩码作用：Transformer Decoder 中为什么必须使用自回归因果掩码？缩放点积注意力：为什么注意力分数要除以d​k​？（补充：Layernorm 前置后，除以d​可将方差归一到 1，避免 softmax 梯度饱和）推荐系统方向生成式推荐 vs 传统推荐：两者的核心区别是什么？生成式推荐的目标是什么？你如何看待它的未来发展前景？指标计算：AUC、HR、NDCG 的计算公式分别是什么？GAUC 和 AUC 的区别在哪里？编码方式：如何在模型中加入时间编码和位置编码？常用的位置编码方法有哪些？Coding：手撕 Multi-Head Attention（MHA） 实现二面面试题SFT & CoT 细节概率分布特性：在「先 cot 后 answer」的 SFT 范式下，为什么越靠后的 token 概率（prob）会越高？蒸馏噪声处理：用大模型蒸馏得到的 CoT 数据存在大量噪声，该如何缓解？VLM 幻觉问题：对 VLM 做 SFT 时，发现模型更信任文本信息，看图时反而容易产生幻觉，有哪些解决思路？RL 进阶PPO 核心：写出 PPO 中 GAE 的公式，并说明如何递归计算每个 token 的优势函数（advantage）？DPO 损失：写出 DPO 算法的损失函数公式？算法对比：GRPO 和 PPO 的核心区别是什么？GSPO 和 GRPO 又有哪些不同？训练稳定性：你遇到过 RL 中的熵塌缩（entropy collapse）和 reward hacking 问题吗？分别有哪些改进方法？最近有哪些新论文提出了新方案？采样困境：在采样类 RL 算法中，on-policy rollout 无法得到正确答案时该怎么办？自蒸馏：了解 Self-Distillation 吗？为什么要做自蒸馏？最近这方向有哪些代表性论文？震荡优化：RL 训练中 reward 或 loss 震荡严重，该如何调整？（提示：可从学习率 lr、KL 散度约束等方向入手）推荐系统进阶结构对比：HSTU 和 Transformer 结构的差异是什么？它和 OneRec 的整体流程有什么不同？SID 优化：如何降低 SID 碰撞率，同时提高特征利用率？量化算法：RQ-VAE 和 RQ-Kmeans 的算法原理分别是什么？OneRec 工程：OneRec 中是如何将 SID 加入模型词表和 tokenizer 的？多模态融合：如何更好地结合文本特征和多模态特征？模型演进：Rankmixer 是如何发展到 Tokenmixer 的？Coding：给定一个行内严格递增的 m×n 矩阵，找到矩阵中第 k 大的数

今天又给我发360笔试了，今天也没做小红书笔试已摆烂了