面试刁钻提问天花板！我被问得哑口无言后这样救场

code模式：要求写一下核心代码，不要求运行1.合并有序数组（双指针）2.搜索插入位置（二分）1.介绍一下实习过程的整个推荐的链路设置2.分析一下din的attention和transformer的注意力机制有什么不同，如果要引入transfomer的注意力机制，你会怎么做？3.在线推理的时延是多少，有没有办法减低时延？4.实习的模型更新的时期是按天为单位还是按小时为单位？如果线上用户点击产生了一条正样本，模型如何做出反应来学习这个行为？5.ESMM模型后面的论文了不了解？6.介绍一下ESM^2​，有没有读过原论文？深挖7.DeepFM的FM侧是如何计算的？时间复杂度是多少？现场推导一下数学公式8.哪些特征会来拿做embedding？id类特征会拿来做embedding吗？你觉得是日活千万会产生硬编码吗？为什么？9.dense类的特征可以拿来做embedding吗？怎么做？你觉得这个效果是语义空间产生的还是参数量产生的？分桶怎么做？10.解释一下梯度消失？处理策略？11.手撕一下多头注意力，询问其变体和设计的思路，以及添加策略

不到一年的时间，日复一日的工作，一周的自由可支配之间是朝九晚五工作的一半，我思考了很久，准备离职。有比我更适合这个岗位的人。如果我继续干下去，生命的厚度就是别人的一半，人对工作几乎是形不成回忆的，时光一下就过去了，觉得这半年都不知道在活啥。

秋招基本上10月份之后才有一些面试，然后在秋招后期也陆陆续续拿下来几个offer，然后最近的话也是有一些企业捞了一下，把八股和算法什么都捡了一下，后续春招的话还是想要冲击一下更大的平台吧，希望最后能有一个好的结果。

为减少AI幻觉，核心设定包括：知识边界约束（明确声明"我不知道"的边界，避免对未知领域强行生成）事实核查机制（对关键信息进行多源验证，优先引用权威来源）置信度标注（对不确定内容添加"可能""据推测"等限定词）用户意图对齐（反复确认模糊需求，避免过度解读）。技术层面采用检索增强生成（RAG）架构，将生成内容锚定在可信知识库上；在训练数据清洗阶段强化事实性标注，并设置拒绝回答高风险领域（如医疗诊断）的硬性规则。这些设定通过系统级约束和生成策略双重把关，降低幻觉概率。