整体面试还是不错的，但是没后续了，不知道是哪里出了问题1️⃣项目拷打1.实习经历最有挑战的工作内容2.吞吐量具体QPS、TPS3.Kafka具体topic、consumer数量4.Kafka解耦了哪些部分5.Consumer挂了如何处理 考虑可用性2️⃣基础八股1.K8s controller概念2.调谐机制怎么work3.informer工作机制4.list-watch watch断了怎么处理5.etcd的作用及底层原理6.解释CRD概念7.CRD和controller联系？实际业务中怎么用CRD？8.Redis怎么保证数据一致性9.Prometheus有哪几种指标类型10.如果想build一个timer应该用哪一类指标11.上述几类指标优缺点12.解释高基数概念及怎么应对3️⃣场景设计scheduler调度算法（怎么把pod分配在node上）

发一下问题给大家参考，攒攒人品！1.主模型上加目标、加特征会怎么样2.base模型是什么样子的3.mmcn网络和mlp的区别是什么，有什么优势;有对比其他交叉网络嘛4.介绍tokenmixer具体是怎么做的，和mmcn的区别5.介绍auc和uauc的区别6.介绍业务指标收益具体是如何从模型得到的7.模型上线有观察大盘里一些播放，点击行为的大盘指标变化嘛8.每次迭代之后，有检查一些相关的指标，判断模型学习得更好嘛9.在迭代之后，线上指标有什么区别嘛10.优化模型的时候，有没有遇到什么问题，如何解决的11.如果让你继续迭代，还想如何迭代12.主模型效果好，好在哪里，有分析过嘛13.为什么不能直接用主模型直接来预测14.最后上线的版本是替换了什么八股1.介绍推荐模型相关的做法2.10k长序列怎么做3.介绍序列建模的方法4.多目标有跷跷板现象，如何解决代码题1.一个数组只有a，b，如果有m次机会能把a换成b或者b换成a，变化之后的数组中，最长连续相同字符的长度是多少2.最长不同子数组的长度

攒人品中，祝大家都能拿到满意的Offer！1.归一化为什么不是batch2.为什么可以用xgb3.transformer原理结构4.ppo和grpo的区别5.lora原理代码：硬币组合达到目标的最小次数，动态规划

给我面没招了，发点面经攒攒人品～1.实习拷打2.检索环节做了哪些优化？在检索优化过程中，你是如何进行数据预处理的？有没有使用特定的检索算法？3.答案生成环节做了哪些优化？你是如何在答案生成环节控制生成质量的？有没有引入外部知识源或增强模型能力？4.是否做了 SFT 或强化学习相关工作？在哪个环节做的？你在 SFT 或强化学习中，如何设定奖励函数？是否有定期调整策略？5.SFT 过程中是否对类别标签做了清洗或修正？标签清洗具体是怎么操作的？对性能的提升有多大帮助？6.强化学习的样本量是多少？在强化学习训练中，样本量的选择是否影响到模型的收敛速度？如果有，如何应对？7.基础模型经常分类分不准的案例有哪些？你在模型分类不准的情况下，采取了哪些调整？是通过数据增强还是算法改进？8.在校项目任务的输出可以简单描述并举例吗？任务输出的质量如何评估？有没有一个量化的标准？9.单智能体能否完成在校项目相关工作？为什么要使用多智能体？多智能体系统与单智能体系统相比，是否有提升项目效率的作用？举个例子说明。

攒人品中，祝大家都能拿到满意的Offer！项目拷打1. 讲一下主流大模型的结构2. Transformer 的 tokenzie 是如何实现的，训练和推理分开讲3. 你知道工具调用，MCP 还有 Skill吗，他们都是什么，都有什么区别，优缺点，你自己用过什么MCP/Skill4. 如果让你来设计一个基于Agent的自动给数据标注的系统，你会怎么设计，你认为关键点在哪里5. 实践过程中，其实最大的问题是agent和人类对于同一个标准的理解是不一样的6. 有了解什么自动化Prompt优化的工作吗，讲一下 (APE)7. 算法题：给定两个数列a b  求a b的最长公共子序列（不连续）

听说阿里是卡笔试的。。。好多不会做