10.21深圳兴业数金Java一面

求助，不知道该咋选择目前情况是:1.国泰君安证券   上海n*16工作强度略小，据说可以8点多下班，而且金融行业后期的发展更好？在上海赛道更宽？2.某三线智驾公司   上海(n+10）*15强度未知，智驾业务没有盈利，担心稳定性。3.待着(n+6)*15不用重新适应女朋友在上海，一直待着没有生活，个人也希望去上海发展，目前工作很忙不利于长期发展4.字节    杭州(n+4)*15给了个烂白菜，考虑到工作强度和城市，应该不会去。

base成都  数金两年开发经验社招3.11号一面，八股+事物相关的场景题3.18号二面，聊天，十分钟结束3.20通知提交内审材料4.30给offer  让六月入职网上评价不是很好有点害怕，二面问过面试官薪资结构明确绩效薪资三七开，社招太水暂时没地方去，十分纠结，有没有大佬给点意见

一、自我介绍二、实习相关八股1. 实习业务场景负责大模型对话对齐、指令微调、强化学习优化，提升模型生成准确性、合规性与指令遵循度，落地垂类对话/问答业务。2. SFT数据筛选、采样及处理3. 选择GRPO的原因、优化目标及数学原理- 选型原因：相比PPO显存占用低、无需价值网络、训练更稳定，对齐效率高- 优化目标：最大化模型生成优势，约束KL散度防止策略突变- 原理：分组优势归一化、截断策略比率、近端约束，降低训练方差4. 奖励函数设计（重点）围绕有用性、准确性、合规性、流畅性设计，分维度打分；加入KL惩罚，避免单一奖励过拟合，区分正负奖励权重。5. 判断RL训练质量达标方法- 奖励值收敛、KL散度稳定；- 离线评测：指令遵循率、幻觉率达标；- 人工抽检生成内容，无退化、无套路化输出6. 是否遇到Reward Hacking遇到过，模型生成空洞话术、固定模板刻意刷高奖励值。7. 其他奖励作弊类型刻意迎合奖励规则、答非所问、重复安全话术、回避核心问题、策略坍缩同质化输出。8. PPO和DPO了解- PPO：在线强化学习，近端策略优化，带价值网络，训练复杂度高- DPO：离线偏好优化，基于成对偏好数据，无需交互采样，训练简单稳定三、基础八股1. Attention计算时间复杂度标准自注意力：O(n²d)（n为序列长度，d为特征维度）2. KV Cache原理推理时缓存历史token的KV矩阵，避免重复计算，降低算力开销，提升推理速度。3. GQA、MLA原理- GQA：分组查询注意力，Q分组共享KV，平衡推理速度与效果- MLA：融合局部+全局注意力，适配长上下文，降低显存占用4. vLLM原理基于PagedAttention分页管理KV Cache，提升显存利用率，支持高并发推理。5. Flash Attention原理分块计算注意力，优化显存IO，减少HBM访问，提速同时降低显存开销。6. 稀疏注意力原理仅计算局部/关联token注意力，舍弃全局无关token，将复杂度降至O(n)，适配长文本。7. 模型推理慢排查思路检查序列长度、batch大小；确认KV Cache、量化、FlashAttention开启；排查GPU显存、算子优化问题。四、编程题1. rand7()实现rand10()拒绝采样：rand7()*rand7()生成1-49数，保留1-40，映射为1-10，超出则重新生成。2. 浮点数组取整最小变化和贪心思路：每个数选上/下取整中差值更小的，累加最小总误差。3. 最长无重复子串

MySQL 优化器主要负责什么？慢 SQL 的排查流程是什么？explain` 主要看哪些字段？如果已经建了索引但 SQL 还是慢，你会怎么排查？常见的索引失效场景有哪些？如果不属于常见索引失效场景，你下一步会看什么？Redis 分布式锁怎么实现可重入？Redis 分布式锁怎么避免死锁？MQ 消息如何保证持久化？MQ 消费失败后怎么重试？MQ 死信队列有什么用？消息重复消费时怎么保证幂等？云图库 WebSocket 断线后怎么恢复？协同编辑操作丢失怎么处理？协同编辑操作队列的大小怎么设置？如果队列满了怎么办？后面hr面挂了，听说还要实习一周评估。