字节四面面经

最长公共子序列 求序列？中间endpos作用？是否一定包含在最终序列中？（没跑通，时间不够寄了）复盘：没睡醒没想起来该用backtrack来恢复序列，写的方法错了。rand5实现rand10？期望次数？有优化空间吗？（最后一个没答上来）后续复盘：之前我答的rand5(), 若1，3则 += 0， 2，4 += 0，5重骰，这种方式无法优化但对于rand5() * rand5()，若<= 20则直接%，反之重骰，这种方式有优化空间：落在21-25不重骰，直接复用作为另一个rand5Logistic regression？为什么用CE不用MSE？（先说了极大似然估计，追问还有吗，讲了数值稳定性并加上了sigmoid函数后两者梯度的公式推导）二分类指标？解释一下AUROC？实现中怎么做？（acc --> recall, precision, F1 --> AP & AUROC; 写TPR FPR公式 ;离散化，给定若干个threshold，记录点，然后处理成类似柱状图的计算方式）模型训练出现NaN或者loss不下降的情况？简历项目拷打，讲的强化学习介绍一下强化学习的这些策略？DQN -- > PG --> AC --> A2C，没来得及讲PPO，追问Q和V的关系问GRPO的具体reward？（大致按照自己理解讲了一下怎么从PPO来的，核心在同个state做出不同动作多次采样，归一化训练），训练时间与PPO相比？（其实不是太清楚，从策略空间分析了一下，单次epochGRPO更慢，因为多次采样，达到相同效果需要时间更少，因为当策略空间很大时，PPO需要更多采样次数才能达到与GRPO相同的效果，即多次到达同一个state 选择不同action）训练过程除了你讲的多次采样还有区别吗（没答上来）Update: 没想到过了，感谢面试官捞人！

一面先讲了一下做的业务详细问了下两篇论文，讲了之前他们做的一个工作跟我的一篇工作很类似，比较match。讲一下对强化学习的理解，以及你在你做的这个领域的理解。反问建议（没有，各方面都挺好的）二面介绍了一下业务讲一下1作的论文你这个做的比较简单，我们做多轮对话的强化学习，你有什么相关的了解agent相关基础（不会）qwen3如何去调用工具的。deepseek模型的思考内容是由什么标识包裹的你知道现在的推理框架用的什么呢如何通过标识去控制模型思考还是不思考给你一个业务链，怎么去做到在10个点固定不思考，在90个点固定思考，怎么去设计整体的训练。刚刚说的方法是否需要冷启动代码题给一个字符串，求能划分...

 拷打了一小时 45 分钟1.基础类型有哪些2.浅拷贝深拷贝3.2个Integer 125 地址一不一样   为什么4.Exception 的父类是谁5.几个子类处理上有什么区别6.反射是什么7.NIO  BIO  AIO    异步还是同步8.JVM  内存区域9.垃圾回收10.垃圾回收算法11.G112.线上监控的手段13.fullgc排查方法14.常用linux指令，查看日志的命令15.索引结构16b b+ b树区别17.索引失效场景18.线程池19.synchronize原理、20.锁升级原理21.AQS22.REENTRALLOCK 与synchronize 区别  （问了很多细的）23.mysql锁分类24.隔离级别25.MVCC26.事务特性27.聚簇索引  非聚簇索引    慢查询排查思路28.线程安全的数据结构29.concurrenthashmap 实现原理30.hashmap的实现原理31.JMM32.volatile33.TCP 四次挥手 为什么四次34.Redis为什么快35.集群架构36. cluster详细37.持久化机制38.内存淘汰策略39.AOP40.动态代理 和静态代理41.如果实现自动装配42.事务如何实现     什么情况会回滚43.分布式事务44.AI相关45 Agent是什么46 Agent项目做了什么  用了什么技术发发面经攒人气

1、实验室方向以及相关项目 10min 2、 Spring 框架常用的注解有哪些？ 3、@Autowired 注解的底层原理是什么 4、在实现  @Autowired  的依赖注入时，是怎么通过反射来获取成员变量的？ 5、具体是用什么反射方法来获取这些字段（Field）？ 6、获取到字段后，又用什么方法来检查它是否被  @Autowired  注解标记？ 7、请讲一下 Spring 中一个 Bean 的生命周期 8、谈谈你对 JVM 调优的理解，有哪些常见的调优参数或方法？ 9、在启动命令中调整 JVM 参数，怎么做？ 10、解释一下 ThreadLocal 是什么，以及它的底层原理。 11、...