网易雷火游戏测试开发B面

一面： 1. 自我介绍，讲论文和实习。2. Transformer自注意力机制、位置编码、梯度消失/爆炸的解决方案。3. 微调方法对比（Full Fine-tuning vs. LoRA/Adapter/P-Tuning）。4. 推理加速技术（量化、动态批处理、FlashAttention）。5. 如何优化大模型在长文本生成中的显存占用？6. RLHF中奖励模型（RM）的训练数据如何构建？7. 为网易云音乐设计一个AI歌词生成系统，如何提升创意性和押韵效果？8. 模型剪枝/量化（GPTQ、AWQ）、服务化框架（FastAPI+vLLM）。9. 如何解决大模型API服务的响应延迟问题？一面八股挺多的，问的知识点也非常多，主要考察对大模型的理解，整体来说难度不算大，复习熟记八股应该都比较好答。二面：1. 自我介绍，讲论文和实习。2. LayerNorm和BatchNorm在大模型中的区别？为什么Transformer用LayerNorm？3. 解释大模型训练中的“灾难性遗忘”现象及解决方法。4. 如果微调后的模型过拟合，你会如何调整？5. 如何评估一个对话系统的生成质量？6. 如何用大模型提升网易新闻的推荐效率？7. 设计一个游戏内AI陪玩系统，需考虑哪些模块？8. 领域适配时，如何构建高质量的垂域训练集？9. 你在项目中如何解决数据稀缺问题？10. 模型上线后遇到了什么性能瓶颈？如何优化的？建议：精读《Attention Is All You Need》、HuggingFace文档。如果没有大模型项目，可用Kaggle/开源项目复现（如LangChain应用）。

岗位名称：游戏用户运营面试时长：50min自评分：8/10是否下一轮：是游戏理解与产品表达能力如果让你向一个没玩过的人推荐永劫无间，你会怎么介绍？（追问）如果推荐对象是轻度玩家，你会调整介绍方式吗？你觉得永劫无间最核心的玩法特色和竞争优势是什么？（追问）和传统吃鸡类游戏相比，它最大的差异在哪里？你认为这款游戏解决了玩家哪些核心需求？（追问）这些需求是功能层面的，还是情绪层面的？用户画像与竞品对比你觉得永劫无间的核心用户群体画像是怎样的？（追问）从年龄、游戏经历、消费能力等角度展开说一下。你认为它的用户和洲瓦的用户有哪些明显不同？（追问）这些不同是否体现在玩法偏好或付费习惯上？这些差异会对运营策...

bg27届双9图形学方向，有一段网易雷火日常实习，这次捞的岗位是客户端开发。图形学：1、渲染管线2、透明物体的渲染3、phong和blinn phong4、延迟渲染5、法线贴图，怎么从切线空间变换到世界空间C++：6、析构函数需要声明为虚函数吗7、vector扩容机制8、vector如何增删元素，用iterator有什么问题9、智能指针10、右值引用和移动语义ue：11、ue的gameplay框架12、ue的ui框架13、uobject和actor的关系实习相关：14、介绍实习工作15、讲一讲做过的性能优化工作16、举了一个具体场景问怎么做性能优化17、讲一讲参与过的策划编辑器工作18、lua的gc其他：19、设计模式，mvc，mvp和mvvm反问：20、哪个项目组（某ue在研项目）答得一坨，一直在做自己的研究课题前两天才开始准备实习的事，什么都没复习，八股还好，实习经历答得太烂了没有总结过自己实习经历应该怎么答，不出意外秒挂。

1. 自我介绍2. 目前有 offer 吗？3. 聊了聊实习4. Lua 的 GC 底层怎么做的？怎么回收的？虚拟机层面了解吗？Lua 的 GC 核心思想是可达性分析。经典实现是增量标记清除，较新的版本还支持分代 GC。 简单说，Lua 会从一批根对象出发，比如全局表、当前调用栈上的局部变量、闭包、注册表等，去遍历所有还能访问到的对象，把它们标记为存活。没有被标记到的对象，后面就会被回收。Lua 采用增量方式的原因是，如果一次性做完整 GC，停顿会比较明显，所以它会把回收过程拆成很多小步，在 VM 执行过程中逐步推进。 从虚拟机角度看，GC 和 Lua 的对象模型、栈帧、闭包、table 结构...