Redis跳表的实际应用

1．项目介绍，过实习，讲论文，根据表述实时跟进询问交流2．讲一下大模型训练和推理的流程， SFT 和 RLHF 的作用分别是什么3．为什么探索 MoE 架构， MoE 相比 Dense 有什么好处4．有没有全量微调过5．推导一下神经网络反向传播的过程6．在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式7．一道排列组合的概率题8．平常有用过 RLHF 吗，简单介绍一下9. 开放题：对目前大模型的发展有什么看法10.代码：多头自注意力

小白同学终于迎来了期待已久的二面，然而滴滴面试官的这一问题却让他有些“破防”了。自诩略懂前端工程化的他，听到面试官问“npm install 之后究竟发生了什么？”时，陷入了沉默。小白同学：“…什么？”面试官微微一笑，并给出了最后的轻语😭：“那今天的面试就先到这里吧，好吧？”回到家中，小白同学决定好好研究这个问题，想弄明白“npm install 后，究竟发生了什么？他开始深入思考，阅读文档，最终发现了其中的奥秘——什么是npm？npm（node package manager），是随同Node.js一起安装的第三方包管理器。通过npm，我们可以安装、共享、分发代码，管理项目的依赖关系。嵌套...

常规问题： 1. 3分钟简单自我介绍2. 在实习和开源经历中，你遇到的最大困难或最具挑战性的事情是什么？实习拷打（拓展相应的场景八股）慢 sql 治理相关的1. 你在平台稳定性建设中提到通过添加索引、读写分离优化慢SQL，具体是怎么做的？2. 读写分离可以再详细说一下吗3. 能否举一个添加索引的具体例子？比如在哪个字段上加了什么类型的索引？4. 你加的是单列索引，如果查询只需要表中的几个字段，当前的单列索引是否有优化空间？5. 联合索引相比单列索引的优势是什么？为什么更优？（从回表，索引下推优化那个方向说就好）es 慢查治理相关1. 关于ES扩容主分片优化查询，具体是怎么做的？2. 系统的ES集群资源配置你了解吗？（如CPU、节点数等）3. 扩容分片数量是如何确定的？仅依据数据量吗？4. 分片切割后为什么查询会变快（并行查询）5. 将 long 类型字段转为keyword类型，是如何利用跳表结构的？这里其实并不能，只是切换是为了适应精准匹配的场景，keyword 的底层用的是倒排索引+跳表6. 除了分片扩容和类型转换，还有哪些方式可以优化ES慢查询？（force merge 整理碎片）分布式锁（业务中有个并发修改用到了，主要问的一些分布式锁的实现细节）1. 你在业务中使用的分布式锁是标准库还是自研的？2. 让你自己实现一个最简单的分布式锁，你会怎么实现？3. 如果任务加锁后异常退出，没有释放锁，如何避免死锁？4. 如果任务执行时间很长，锁过期被其他任务获取，原任务完成后误删了别人的锁，如何解决（防止锁的误释放，加标识）5. 如果任务A包含多个子任务，且子任务本身也有加锁逻辑，在嵌套调用时会因重复加锁失败，如何解决？（可重入锁的实现）6. 在秒杀场景下，能否直接用分布式锁控制库存扣减？会有什么问题？7. 如何让秒杀请求不立即失败？（锁的自旋）并发编程1. 你使用CompletableFuture并发查询多个维度，底层是如何实现并发的？2. 你是自己定义线程池，还是使用默认线程池？3. 你是基于什么依据设置线程池参数的？4. 如果一个任务同时包含CPU密集型和I/O密集型操作，共用一个线程池会有什么问题？应该如何设计？（线程池隔离，避免cpu密集型任务阻塞I/O密集型任务）Agent和开源相关的内容1. 你的基座模型切换（DeepSeek → 千问）后，响应是流式还是非流式？2. 为什么关注完整响应时间，而不是首字响应时间？（主要是业务上的一个需要）3. 你的性能优化目标是在保证输出内容不变的前提下缩短生成时间吗？4. 你在Agent框架中使用了责任链模式和观察者模式，请分别解释这两种模式5. 既然有四个固定执行步骤（Agent执行前，执行后，模型执行前，执行后），是否可以用模板方法模式替代责任链模式？6. 你使用观察者模式的具体场景是什么？为什么选择它？7. 你还了解哪些常用设计模式？8. 你提到使用HNSW算法进行向量搜索，能简述其基本原理吗？（避免全表的向量查询）9. 为什么不直接用余弦相似度做全量匹配，而要引入HNSW？10. 你是否使用过BM25算法？它的作用是什么？11. 向量搜索有哪些弊端？12. 向量检索和BM25全文检索的得分量纲不同，如何进行混合排序？（引入一个精排模型重新打分）反问：1. 业务（智能客服相关）2. 不足，基础还需要加强无手撕，总体一个小时总结：面试体验很好，主要就是根据简历延伸一些八股和简单场景，有些还需要加强的地方，挖出来了自己基础上的一些问题

学弟准备这个月来我公司实习，和他聊到公司，想起来我刚入职的时候。我是九月的生日，当时正好赶上360的飞扬训练营，在篝火晚会环节，我和几个同是九月过生日的校招生被叫到一边，背对着一张长桌。带教老师说，大家想一想，今天有没有做错什么事，反思一下。我当时真的在脑子里拼命复盘，心想今天表现还行啊，是哪里出了问题吗，越想越紧张。结果一转身，才发现身后摆了一个用西瓜和水果手工做的蛋糕，大家就一起围过来唱生日歌。那一瞬间我真的差点哭出来。我其实从小到大很少正经过生日，没想到踏入职场第一个生日，就被这么用心地记住。除了这个，公司还有一些让我觉得挺暖心的小细节。北京是有功能房的，可以预约免费刮痧和按摩。平时也常...