非全校招认可程度收集表

一、基础信息与求职意向类你现在是在哪？你对工作地点有什么要求吗？（北上广深都 OK 吗？）二、项目相关类（用户答题项目）你挑一个项目来聊一下。这个题目是什么题目类型，这些是怎么规定的？所有的题目都是依赖于你们自己去写吗？题目是随机生成的，它的范围是随机生成吗？会生成各种难易程度的题是吗？那怎么判断题目结果是否正确呢？没有主观题的话需要怎么处理（判断）？那我们的第一版（项目）有没有这些 AI 相关功能呢？如果是基于第一版，我们怎么样去做主观题的判断呢？你这里面用的那个 redis，这个 redis 的话是做了些啥呢？那相当于说 redis 只是做排序用是吧？那你这个（redis 数据）如果说数据有更新，你这块需要怎么更新？这个（先操作数据库再删缓存）有没有什么问题？如果说我们有一个数据场景，在一个方法内后续的流程会立马用到缓存，那延迟双删有效果吗？那你这个积分的更新的话是怎么做的呢？怎么避免一个更新多更的场景？积分是加积分吗？还是减积分？那累加的话，你怎么避免加少加错呢？如果说是集群场景（积分累加），怎么处理？使用 redis 的 set NX 做分布式锁，假设出现网络超时，这种会不会有风险呢？分布式的场景有哪些？分布式锁的优缺点是什么？锁的获取是有公平性的吗？死锁产生的必要条件有哪些？积分的更新除了加锁这个方案，还有其他方案吗？（乐观锁 / CAS）具体怎么实现？是在哪一层实现的？（数据库层面）通过 SQL 要怎么做来保证积分更新的准确性？（数据库更新积分的 SQL）你这个 service 要怎么写，大概可以描述一下吗？（举例：库存有 30 个，要把库存加 1）你怎么保证数据库操作中判断的数值是一致的？或者说你这个一样的值是什么值？你怎么样保证 AI 出题的结果按照预期返回？那 AI 出题会不会有乱返回的情况？三、技术基础类缓存的优缺点是什么？缓存性能比数据库好的具体原因有了解过吗？缓存有哪些结构呢？缓存雪崩有了解过吗？（怎么解决？）如果数据量特别大，缓存雪崩该怎么处理？缓存的删除逻辑 / 过期逻辑是什么样子的？比如说缓存过期了，会立马删除吗？TCP 和 UDP 了解吗？TCP 和 UDP 的区别是什么？UDP 的使用场景是什么呢？TCP 是怎么去保证它的可靠性传输的？（关于 TCP）滑动窗口的相关知识可以说一下吗？TCP 的慢启动为什么要这么设计呢？mysql 怎么避免注入的呢？在 mysql 层面是怎么做防 SQL 注入的，不是在业务层面？四、AI 工具与大模型相关类你有用那个 open class（OpenAI 相关工具）吗？那你用它去做了哪些事情呢？那你有没有去写过 skills？那怎么避免 skills 带来的安全风险呢？那 skills 和 MCP 的区别是什么呢？你平时中用到了哪些大模型？你觉得大模型给你个人有了哪些提升吗？或者说他给你带来的帮助有哪些呢？大模型生成的代码是一个白盒的吗？（功能是否符合预期？）五、算法实操类挑简单 / 中等 / 困难的算法题来做一道。（二分法递归的一道hard题，题目有点想不起来了，手撕失败，写了50多行没跑通）六、职业发展类（求职者提问后，无直接问题，为交流式回应，无明确提问点）

发点面经攒攒人品～1.实习拷打2. 论文拷打3.有什么涉及的具体的应用吗4.我看里面上写上面写了一些知识图谱的一个构建说一下这个这个任务的一个输入和输出吧，大概你用到了什么数据，然后什么模型去产出什么样的一个东西5.你这个图谱里边都有哪些类型的实体？关系是怎么定义的6.你用了BERT去做实体识别哈，那为啥用BERT呢？能不能直接用个BiLSTM搞定5.我看你提到了LayerNorm，这块为啥要用个条件LayerNorm有什么作用6.说一下transformer的底层结构吧7.Transformer为什么用了LayerNorm呢8.你说你做了一个Multi-Head Self-Attention，那注意力权重那部分你还记得公式是咋算的吗？9.说一下LoRA原理10.刚才提到用LoRA做参数高效微调的必要性，那如果不是用LoRA，而是做全参数微调，那会消耗多少显存，比如说我以一个7B规模的大语言模型为例11.说说现在千问里有哪些主流的大模型结构12.项目拷打13.那你们这个DAG 图是怎么构建的？根因节点怎么推出来的

节前约节后面试，面完周五问hr说是通过了在排后续面试 让等，今天去官网查状态显示不符合，这几天都在准备后续面试的东西突然就一碰冷水浇下来了 力竭了

想问问前辈们波行终面刷人多不多，是相同岗位的一起还是不同岗位的混在一组呢微信群里除去工作人员目前是7个人，我猜测可能是辩论形式？