深信服面经，不愧是Xstar，问的好难

深信服X-Star反馈的好快，刚投没几天就约面试了，感觉都还没准备好呢就开始了，问的真难啊，对着项目一顿深挖，过程中还穿插着一些八股，最后还来了个手撕

项目深挖：
rag数据处理
rag的embedding模型
rag如何优化，数据，微调
rag的召回准确率如何
QLora的微调原理，量化的数据类型
微调数据集，微调性能
微调和rag的使用场景

八股：
transformer，encorder-decorder
mutihead-attention，qkv矩阵
llama跟bert相比的不同
gpt和bert的结构
gpt底层，有什么优点缺点
transformer和bert和gpt，位置编码
QLora的原理，量化类型

AI题：
单词搜索，关于dfs的

场景：
某个云服务，同时1个写n个读，需不需要加锁，如何加
怎么在加锁的情境下提升性能
多个不同长度的句子怎么转为相同长度的embedding，说出用模型和不用模型的方法
如果你有一个可以微调的大模型， 有一个 prompt 模板， 但是发现效果不好。 你会怎么考虑这个问题？

真的面麻了，希望能过吧，还挺想进xstar的
#深信服秋招来了#