拒掉了字节面试有影响吗

发一下问题给大家参考，攒攒人品！1.项目拷打2.实习拷打3.为什么会想在重排做生成式4.如果是做生成式召回对模型结构怎么修改5.召回怎么构造负样本6.需要热度纠偏吗，减的那个概率和什么有关7.稀疏 MOE 怎么做的8.beamsearch 怎么做的9.大模型了解多少，强化学习了解什么10.DPO 的全称是什么，公式是什么11.手撕:计算逆序对数量

之前往字节投了大模型应用相关的岗位，但被HR调剂到后端开发（AIDP）了，之前一直做的AI，简历项目也都是RAG，Agent相关的，没接触过后端开发（计算机网络，OS，数据库啥的都学过，但是没啥开发经验），想问一下后端佬们，还有两天时间准备面试，这两天该突击些啥，学到啥程度才算可以。

发点面经攒攒人品～1.实习介绍2.拷打第一个项目3.拷打第二个项目4.在向量化之前，为什么要对长文档进行切片？如果不切片会有什么后果？5.切片时设置重叠区域的作用是什么？这个比例你通常怎么来确定？6.讲一下稠密向量与稀疏向量的区别，分别适合处理什么样的搜索需求？7.向量库检索出的Top-K结果，如果K值设置得过大，对后续的生成质量有哪些负面影响？8.余弦相似度和欧氏距离在衡量文本相似性时，各自的优缺点是什么？9.为什么在初筛召回之后，还要加一个Rerank模型？它能解决向量搜索的哪些局限？10.如果文档发生了局部更新，如何通过增量索引来避免全量重新向量化？11.在RAG的生成阶段，如何在Prompt中设定边界条件来防止模型在没搜到内容时产生幻觉？12.了解HyDE吗？介绍一下原理，它在处理模糊提问时有哪些优势？13.随着超长上下文模型的出现，你认为传统RAG架构的必要性是否降低了？14.你了解哪些大模型推理框架？SGLang相比vLLM的PagedAttention在推理延迟上有哪些优势？15.调用大模型API时，为什么要使用asyncio异步编程？它在处理高并发请求时有何优势？16.针对大规模PDF解析这种任务，你选择多线程还是多进程？17.如何确保Agent返回的结果是标准的JSON格式？如果模型输出中有多余的说明文字，你在后端如何提取？18.场景题：对于RAG，如果检索到了针对同一故障的两份手册，内容相互冲突，请你设计一套逻辑，让模型能够识别冲突并优先选择时效性更高的信息？19.手撕：第k大元素

Timeline3.12  投↓3.17  一面↓3.18 约二面↓3.20 二面（寄）一面代码题：合并两个有序数组二面代码题：反转链表被拒原因：岗位匹配度不够