问题不是 GNN 不强，而是“假设全错”。GNN 的核心假设有 4 个，在 DGraph 中几乎全被打破。1️⃣ 同质性假设被严重破坏GNN 默认相信“相连的节点更可能属于同一类”。这在社交网络、引用网络里成立。而金融欺诈图中实际是 欺诈节点 ≠ 喜欢连欺诈节点。反而是：“欺诈 → 大量正常用户” “欺诈 → 垃圾账号 / 背景节点” “欺诈 → 临时壳节点”，结果message passing = 风险被正常节点“稀释”。越聚合邻居，欺诈信号越弱。2️⃣ 异质性极强，但 GNN 处理不好DGraph 的是多类型、有方向、有语义（转账 / 担保 / 登录 / 设备）普通 GCN / GAT：把...

1.八股：大模型框架了解哪些，介绍下vllm原理2.八股：常用的LLM，讲解DeepSeek R1的训练流程和基本原理。3.八股：讲讲MOE架构和Dense架构差异，在训练和推理方面4.项目：介绍实习项目，项目中有没有做微调？5.项目：DPO，PPO和GRPO的区别6.项目：为什么PPO要用value baseline和GAE？它们如何让训练更稳定？7.项目：为什么GRPO在训练MOE时会出问题？原因是啥，怎么改进策略8.项目：GRPO的KL散度是什么？KL散度中超参数如何设计？9.项目：阐述大模型的幻觉现象及抑制方法。10.代码题：lc300 最长递增子序列

1.项目拷打。2.未曝光出去的样本作为负样本有做过实验吗？3.为什么要进行多目标联合建模，解决了什么问题。4.为什么不单独预测 cvr , ctr 的引入为 cvr 带来了什么信息。5.如果出现跷跷板问题怎么解决？6.知道 PLE 原理吗？7.分层召回的结构是什么？8.介绍 groupembedding 。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。