深信服安全服务面试

记得最深刻的笔试就是来自深信服，当年投递简历之后第二天就收到了笔试通知，有三道题，前面两道挺简单的，一个暴力，一个思维，第三个hard，怎么都通不过，只能暴力枚举，最后通过了一半左右。过几天就收到了深信服的面试，真的很快，效率很高，深信服也是唯一一个接近ak的笔试。

基础面试环节1. 自我介绍（这部分根据个人情况准备）2. 实习/项目经历介绍（根据简历准备，重点突出技术栈和解决的问题）3. 项目中遇到的最大技术挑战是什么，如何解决的答案框架：描述问题背景和影响分析问题原因（技术深度）解决方案和实施过程最终效果和收获示例：多线程下的数据竞争导致偶现崩溃使用AddressSanitizer定位加读写锁保护共享数据重构为无锁设计（原子操作）崩溃率降为0，性能提升20%4. 平时代码量如何，有参与过开源项目吗答案思路：说明日常编码习惯（每天/每周代码量）提及个人项目或开源贡献强调代码质量而非数量展示对技术的热情项目深挖5. 你的网络库项目中，如何实现高并发连接管理...

【一面】 1）介绍一个最能代表自己的项目2）项目里负责的边界是什么？哪些内容是亲手实现／验证的？3）电商领域预训练数据：低质过滤与去重会怎么做？用哪些简单指标快速判断数据质量？4) Pretrain 和 SFT 分别解决什么问题？5) Transformer 的基本结构怎么理解？6）多模态模型的大致结构是什么（图像编码器+连接层+ LLM )？最容易踩坑的点通常在哪里？7) SFT 数据如何更贴近业务：如何避免过度模板化？如何做基础的 train / test 去重来避免评测失真？8）对齐（ RLHF / DPO 等）整体思路是什么：为什么需要偏好对／奖励信号？【二面】1）做过的最有影响力的一件事是什么？具体推动了什么变化？2）训练不稳定怎么排查（ loss NaN 、 OOM 、吞吐下降）3) Long Context 常见思路有哪些？在业务里如何做"能看长文本但不太贵"的折中（摘要／分段／滑窗等）?4）如何做一套简单可执行的离线评测集？如何覆盖不同语言与类目？5）多模态场景怎么评估：如何检查"图文一致性／不编造信息"？优先加哪些自动化检查？6) Prompt ／模板如何管理：如何版本化、如何回滚、如何避免一次改动导致整体波动？7) 手撕：实现一个最简单的 top - k 采样（给定 logits ／概率，取 top - k 后重新归一化采样），并说明边界情况怎么处理。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

段段之前的帖子，讲了RAG与Doris，这次我将结合后端与大模型、向量数据库里一些比较常见的知识讲一讲，为大家的全局概念做一个补充。 讲之前先叠个甲： 1.段段是做的AIGC项目，但是很多东西接触不到，而且很多东西用不了，比较老旧和粗暴 2.AI相关的，我最近在面试，也在学习，也在结合项目思考 3.本文是自己思考和学习的结果，欢迎大家讨论，有问题请合理发言 如果你、我因为不懂AI而丢人，那就对了，因为我就是这么一步步过来的。一、架构视角——后端与大模型到底什么关系 千万不要神话大模型，在后端眼里，大模型不是什么无所不能的神仙，它本质上是一个耗时很长，极其昂贵，很容易返回乱码的API。本质上，后...