美团-大模型数据算法工程师

虽然笔试没过，但还是参加一下AI面试，以下是记录总结。1.计算机网络：TCP的粘包问题（刚背的，可熟悉了）回答：在网络拥塞或者Nagle算法中，会将多个TCP包合在一起，但是TCP在传输中是以字节流形式的，粘在一起之后没办法区分包之间的边界，例如发送两个数据包Hello 和World，合在一起后，接收方收到的是HelloWorld。        解决办法主要有四个，第一个是固定数据包的大小，发生粘包后根据字节大小切分，但这样比较死板；        第二种是在数据包末尾加入"\n"的分隔符，但是在中间文本中出现了分隔符的话，需要进行转义；        第三种是在TCP报文前加入一个字段，记录这个包的大小，这种比较常用；        第四种是对协议进行限制，例如禁用Nagle算法，不允许合并数据包。2.Linux：grep如何使用（确实没准备）回答：完全不会。3.Java：装箱和拆箱是什么，举一个例子。回答：举了int型和Integer类的例子，一些接口使用的时候会发生拆箱和装箱（但我不太记得了）4.高并发：解决投票中刷票问题回答：使用IP检测，限制单个IP的高频访问。追问：要是对方使用代理IP，或者IP连接池该怎么解答回答：根据行为检测，刷票行为和个人投票行为肯定存在差异（但我不知道差异是什么）5.数据库：主键的作用是检索到这条数据的唯一标识，也用来构建聚簇索引。（应该还有其他作用但我忘了。）6.通用问题1:学习新技术的路线回答：阅读官方文档，对于难点搜索视频讲解或者Github文档；项目实战有问题去找熟悉项目的技术人员。        追问1：如何判断学习资料是否有用，是否走过弯路        回答：根据点赞量，Start量。        追问2：走过弯路后下次如何判断？        回答：根据文档关键词判断对我是否有帮助？7.通用问题2：你项目中遇到的难点怎么解决追问1：如何通过持续改进解决一个一直出现的问题追问2：如何平衡局部调优和整体的稳定性8.通用问题3：你未来3年的职业规划回答：1-2年熟悉公司技术栈，后续熟悉公司业务流程，做到技术和业务两手抓。最后给出DeepSeek的回答。1.计算机网络：TCP的粘包问题  TCP粘包问题是由于TCP是面向字节流的协议，发送端可能将多个数据包合并发送（如Nagle算法或网络拥塞），接收端无法区分数据边界。例如发送"Hello"和"World"，接收端可能收到"HelloWorld"。 解决方案 ：● 固定包长度 ：每个包固定为相同长度（不足时填充），接收方按固定长度拆分。缺点是灵活性差，适合固定格式场景。● 分隔符 ：在数据包末尾添加特殊字符（如\n），接收方按分隔符拆分。需处理数据中的转义字符（如HTTP头用\r\n\r\n）。● 头部声明长度 ：在报文头部添加长度字段（如4字节表示包体长度），接收方先读头部，再按长度截取数据。这是最常用的方式（如HTTP的Content-Length）。● 禁用Nagle算法 ：通过TCP_NODELAY选项关闭合并优化，但可能增加小包传输次数，影响性能。2.Linux：grep如何使用 grep用于文本搜索，常见用法：● 基本搜索 ：grep "pattern" file.txt● 递归搜索目录 ：grep -r "pattern" /path/to/dir● 忽略大小写 ：grep -i "pattern" file.txt● 显示行号 ：grep -n "pattern" file.txt● 反向匹配（排除）  ：grep -v "pattern" file.txt● 正则表达式 ：支持^（行首）、$（行尾）、.（任意字符）等，如grep "^start" file.txt。3.Java：装箱和拆箱是什么，举一个例子 ● 装箱（Autoboxing）  ：将基本类型转换为包装类，如int → Integer。● 拆箱（Unboxing）  ：将包装类转换为基本类型，如Integer → int。Integer a = 10;      // 自动装箱（底层调用Integer.valueOf(10)）  int b = a;           // 自动拆箱（底层调用a.intValue()）  4. 高并发：解决投票中刷票问题 ● 基础防御 ：  IP限流 ：限制同一IP单位时间内的请求次数（如Redis计数器+过期时间）。○ 用户鉴权 ：要求登录后投票，限制每个用户的投票次数。○ 验证码 ：在频繁请求时触发验证码（如滑动拼图、短信验证）。● 对抗代理/IP池 ：  设备指纹 ：通过浏览器指纹（UserAgent、Canvas渲染）、设备ID等标识唯一设备。○ 行为分析 ：检测异常行为（如毫秒级连续投票、无页面停留直接提交）。○ 风控系统 ：实时分析请求特征（IP地理分布、时间分布），拦截异常流量。● 业务层优化 ：  异步队列削峰 ：将投票请求放入消息队列，后端批量处理，避免瞬时高并发。5.  数据库：主键的作用 ● 唯一标识 ：确保每行数据的唯一性（如自增ID、UUID）。● 聚簇索引 ：InnoDB中主键默认作为聚簇索引，数据按主键顺序物理存储，加快检索速度。● 外键关联 ：主键作为其他表的外键，维护数据一致性。● 优化查询 ：主键查询最快（如WHERE id=1），避免全表扫描。●注意事项 ：避免业务字段做主键（如身份证号），优先使用无意义的自增ID。●复合主键需谨慎，可能增加索引复杂度。6.  通用问题1：学习新技术的路线 ● 学习路径 ：  官方文档 ：掌握核心概念和最佳实践（如Spring Boot的Spring.io）。    ○ 实践项目 ：通过小项目验证技术点（如用Redis实现分布式锁）。    ○ 源码与社区 ：阅读源码、参与GitHub讨论（如Dubbo的Issue）。● 判断资料质量 ：  筛选标准 ：作者权威性（如Oracle认证工程师）、内容更新日期、社区评价（Stack Overflow投票）。    ○ 避免弯路 ：优先选择官方推荐资源，再参考高星GitHub项目或经典书籍（如《Effective Java》）。● 持续改进 ： 定期复盘学习效果，建立知识体系脑图，与团队分享经验。7.  通用问题2：项目难点解决  结构化回答（STAR模型）  ：● 情境（Situation）  ：在XX项目中，接口响应慢，导致超时报警。● 任务（Task）  ：需在1周内将平均响应时间从2s优化至200ms内。● 行动（Action）  ：  定位瓶颈 ：通过Arthas追踪调用链，发现SQL查询耗时占80%。○ 优化SQL ：添加索引、重构分页查询，减少全表扫描。○ 缓存引入 ：对热点数据（如配置信息）增加Redis缓存。● 结果（Result）  ：响应时间降至150ms，且通过压测验证稳定性。●平衡调优与稳定 ：局部优化前评估影响范围，通过灰度发布观察效果。●监控核心指标（CPU、内存、错误率），确保优化不引发链式故障。8.  通用问题3：未来3年的职业规划 ● 短期（1年）  ： 深入掌握公司技术栈（如微服务架构、中间件），成为团队核心开发。○参与高复杂度模块（如分布式事务、性能优化）。● 中期（2年）  ： 提升架构设计能力，主导跨系统方案设计（如亿级流量系统）。○培养业务洞察力，推动技术与业务融合（如通过数据驱动产品决策）。● 长期（3年）  ： 向技术管理者或架构师转型，负责技术选型与团队规划。○持续学习行业前沿（如云原生、AI工程化），保持技术敏感度。

面的是字节的国际电商部门感觉是卷中卷了被狠狠拷打了😭面试问题：- 解释一下ROC曲线与PR曲线的关系、ROC曲线与PR曲线的适用场景- 介绍一下贝叶斯定理（贝叶斯公式和全概率公式）- 考了一个概率题：已知一个随机发生器，生成 0 的概率为  p ，生成 1 的概率为  1 - p 。请构造一个新的随机发生器，使其生成 0 和 1 的概率均为 1/2。- （针对简历提问）了解矩阵分解吗 MF、LFM吗- 训练模型的时候，怎么才能知道模型是不是过拟合了？除了看训练集和测试集的准确率，还有哪些方法可以防止过拟合？比如正则化、交叉验证这些，能不能展开讲讲怎么用？- 推荐系统里老听到CTR预估和序列推荐模型，讲讲这些模型是干啥的？比如DIN、DIEN这些CTR模型是怎么捕捉用户兴趣的？还有GRU4Rec、Caser这些序列模型是怎么处理用户行为序列的？它们各自解决了什么问题？代码题：- 给定整数数组 nums，求最大和的连续子数组，并返回该最大和。（最大子数组和LeetCode53）- 手写一个二分类交叉熵bce，使用np（只把bce的公式写出来了，然后拷打怎么计算梯度，最好熟悉一下二分类梯度怎么回传的，被拷打到了这里）一面一般是组内员工，平时比较忙，这场面试约在的中午11点，所以如果能够把你的项目介绍得详细一点，就容易不让面试官问太多问题，一般我大概是2-3min自我介绍，然后再10min介绍一个项目（2-3个项目说完差不多就去一大半面试时间了），然后最后面试官不是主动型+忙着去吃饭，就会问些常见的面经，然后碰巧见过的爆率很高，然后直接吟唱。这里拷打了概率类型的问题，印象里至少有4/32次面试提到了类似的概率场景题目，建议也是稍微复习一下，至少看看基础的内容。国际电商（tiktok）据说晋升不错（同时也卷），毕竟是出海业务，但是是真的难进（听说很多清北大佬都挂了），不太懂想要招什么人（岗位名额实在太少）  

都是测开，快手是主站，京东是产研交易那一块儿，相对都算是核心部门，base一 样，东子有19薪多点，快手有房补，最后差 6w左右 

bg 双9 传统pnc做得多，简历上有个rl的项目但是做得不深，企图跳端到端未果个人感觉三个offer的对比①华为车bu 工作细节未知，肯定是规控，没开奖，hr说应该能开出来（但是华为hr感觉可信度不高哈）②迈驰智行 估计就做优化器，有转正，也可能是个饼，算是传统pnc的组，给大模型结果做后处理的③京东 机器人 jdy应该是转正几率最大也是自己被期望最高的，偏规控，但是机器人的规控我只能说是和我原来的工作内容关注的点差的太多太多了。选这个估计就换赛道了。jdy三个自然日要给答复。做机器人的实习的话感觉秋招对回智驾赛道没什么帮助，好处是秋招拓展了机器人岗位的可能性推进ing：一个无人机规控（某上市的小子公司，这方面刚起步），一个l4无人配送车规控