1. 介绍实习，我这边实习做的是web3和ai，跟他讲了好久业务背景。主要围绕工作量证明以及如何结算代币和激励2. 介绍transformer的架构，qkv的作用，注意力机制3. 大模型推理的两个阶段？没太get到4. vllm：kv cache对于业务的优化，page attention稍微提了一嘴5. spring：ioc和aop的理解，aop什么时候失效。两种动态代理模式详细说说6. redis：五种数据结构底层原理，跳表和红黑树的对比，跳表什么时候退化，跳表最后会退化成什么样，红黑树什么时候退化，最后会变成二叉平衡树吗7. innodb为什么用b+树，与前面两个比较8. kafka的结构有什么，生产者消费者数量设置探讨，如何指定到某个partition9. agent相关：说说mcp，function calling，ReAct以及一些常见的设计范式，比如Plan & Exec10. 算法：无重复字符的最长字串11. 追问业务的时候还在问算法相关内容，说说stable diffusion和vit，视觉怎么样被大模型处理的误闯天家了，算法内容仅限了解过一点，广度深度都很一般。

双非本211硕投推荐算法十几家只面了一个还没结果，其他要不挂要不拖着，有一篇推荐CCFB和一段小厂RAG实习和一个生成式推荐项目SFT+RL，还要坚持吗？还是转其它的，快要坚持不下去了ku，ai时代压力好大

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 拷打项目2. 有没有了解过AF分离，他是为了解决什么问题，既然有PD分离了，为什么还要AF分离？3. 有没有读过flash attention的代码，V2比起V1做了哪些改进？细聊一下他是怎么改进的。有没有了解最近的V4版本？4. 大模型的一层有几个线性层？TP的时候怎么切的？这样子做的原因是什么？有什么思路优化中间的allreduce吗？5. 看过ray的底层实现吗？它有什么特性，你的课题研究中是怎么使用ray的？6. 聊一下你所找到的cuda gemm的优化方法7. leetcode 单词接龙

面试官人非常好, 我描述不清还会做总结, 问题全来自简历, 没有为难人, 全程体验很棒, 但是寄了主要都在问项目, 中间穿插了部分八股 1. 进行自我介绍(Tiktok组, 所以要求做英文的自我介绍, 但这个不是卡点) 2. 进行项目拷打 3. 讲一讲MySQL里的事务(着重讲解MVCC的底层机制) 4. 讲一讲RocketMQ是怎么保证消息不丢失的(生产者, broker, 消费者) 5. 出了个场景题, 假设Tiktok有大量评论, 需要按顺序归档, 打包成顺序消息, 但是消费端消费不来该怎么办 6. 我项目用到了向量库, 面试官问了嘴, 怎么保证数据库和向量库数据一致性, 解决脏数据问题...