抖音数据分析面经

笔试的题目出的很好，对测试工程师的通用基本要求都囊括了，可以检验出最基本的测试能力和专业度，答完之后也知道自己在哪方面技术和知识能力还有待提升

上海某私募基金，运维实习转正一面实习中的主要工作内容，简历中实习工作内容的全面拷打（部分被拷打）jvm排错流程，具体命令行（jstack定位代码行，调日志，调参数等）日常巡检中服务器都出过哪些问题，什么样的场景会导致这样的问题出现（唉）python脚本检测磁盘使用率后发送告警的编写思路，优化思路，报警线设置多少合适，是以什么数据为标准（思路不清晰，回答的不好）服务器资源飙升排查思路（老生常谈）你自己做过服务器的资源飙升后的优化吗，以及你为什么想到这么做服务器硬件了解多少，自己上手过吗（只装过系统，配过IP和上下架......）redis缓存三兄弟，应对思路（标准八股）讲一下实习中你负责的容器化...

给我面没招了。。。1. 项目拷打2. 详细阐述Transformer的底层原理，并说明其能够替代RNN的核心优势；结合Transformer架构的成熟度，分析Self-Attention机制在多模态对齐任务中是否存在瓶颈，以及在实际业务场景中，是否出现过注意力权重完全偏移的情况。3. 讲解LoRA的技术原理，说明LoRA是否仅能嵌入Linear层；分析LoRA无法在LayerNorm层之后插入的原因，以及该操作会对模型训练稳定性产生哪些具体影响。4. 结合实操经验，说明QLoRA降低训练资源成本的核心逻辑；列举常见的模型量化方式，并解释QLoRA选择NF4与FP16组合而非其他方案的原因，阐述NF4的分布拟合逻辑。5. 针对采用multi-query attention优化后，decoder延迟仍居高不下的问题，分析潜在性能瓶颈；探讨vLLM自带的KV Cache是否会成为推理过程中的负担。6. 分别说明Embedding模型与Rerank模型处理文本语料的核心流程，并结合实际应用场景举例说明。7. 结合过往RAG项目经验，讲解从数据清洗到检索服务上线的完整链路搭建流程，重点说明chunk切分的具体策略。8. 分析当前RAG技术落地的最大瓶颈，并阐述你在项目中采取过哪些优化手段来提升检索召回率（Recall）。9. 针对XX领域大模型的训练工作，说明SFT（监督微调）数据集的构造方法与核心思路。10. 结合LoRA微调实操经历，说明rank值的选择依据；在合并adapter权重的过程中，是否遇到过梯度爆炸问题，以及对应的解决方法。11. 结合你的模型部署相关经验，说明模型参数量与硬件算力需求之间的对应关系（例如不同参数量级模型所需的算力配置标准）；以部署一个稀疏率千分之三的235B参数量MOE架构模型为例，估算其所需的算力规模。12. 在搭建RAG知识库时，若需对文档进行动态更新，你采用的是全量嵌入还是增量处理方案？若为增量处理，如何规避新旧文档数据分布不一致导致的检索偏差问题。

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？？