滴滴实习大模型算法二面 好难...

1.图的节点数和边的数量？算法选型上如何考虑的？为什么不用GNN这样的图模型？
2. 最终目标是识别团伙还是识别欺诈人？
3. 随便举一个团伙，团伙内部的黑样本比例有多高？
4. iv值和woe值的含义
5. Auc和ks值的含义，区别；用哪个指标评估模型更合理；阈值调整对精确率和召回率的影响？
6. Xgb来评估特征重要性，那为什么不用xgb来构建评分卡？模型的效果评估差距？
7. A卡在业务上该怎么用?（ABCD风险分级）风险评级切分的逻辑/目标是什么？结果是什么？
8. 解决过拟合的方法
9. 大模型可以做A卡吗？lr能替换成大模型吗？大模型怎么挖掘特征？（文本信息识别语义，行为序列，补全缺失的画像）
10. Embedding是偏深度学习的特征，能否使用大模型直接得到具备明确含义的特征？（根据文本/行为直接推测出风险标签）
11. 如果特征维度已经很多了，如果人不明确告诉大模型需要输出什么特征，大模型能否自动构建新的特征衍生和进行特征交叉？
12. 如何微调大模型？
13. 大模型幻觉如“输出的东西和实际的数据分布不一致”，该怎么做？