蚂蚁C++后端开发一面-秋招面经

一面： 1. 自我介绍2. 介绍两个项目中感觉比较有技术含量的点（防止超额报名，还有滑动窗口限流）3. 活动报名场景，如果一天有几万个人报名怎么办，一小时几万人呢，可能想问redis的大key问题4. redis单线程为啥性能好，引出了IO多路复用模型的select、poll、epoll，为什么zset用跳表不用B+树或B树，跳表为啥性能好，追问为啥单线程而不是多线程5. 假设想做一个排行榜，一个按分数排序，如果分数相同了按照报名时间排序，1万个数据里面想要找到top10应该怎么设计6. redis有哪些数据类型，然后redis 的 List 类型做一个队列应该怎么做呢7. zset里面存报名数据应不应该清除，什么时候清呢？8. zSet与MySQL之间通过RocketMQ发数据，RocketMQ有持久化机制和重试机制，为什么还要有对账机制9. InnoDB有个AB联合索引，有个查询语句select B from 这个表 where A = 1，走不走索引，回不回表，你觉得一定会走索引吗10. 还是AB联合索引，update A = 100 where B = 100，这条语句有没有什么问题？11. 如果有个AService、里面有个方法A，方法B都有@Transactional注解，C需要引用A和B方法，事务会不会失效？12. CAS 相对于直接加锁有什么好处？13. 策略模式和状态模式最大的区别什么？14. 接口是个抽象，咱们在使用接口的时候都需要自己写个实现类去实现接口，然后重写调用实现类才能执行逻辑，Mybatis为啥只有Mapper接口和XML就可以而不用写具体实现类的逻辑？15. 为啥用了RocketMQ而不是Kafka16. 怎么保证RocketMQ不丢失消息17. 假设现在有个线程池，核心线程数 2个，最大线程数100，阻塞队列100，来了100个任务，每个任务执行时间1s，多长时间执行完（50秒），那200个任务呢18. 力扣92的反转链表II（10分钟没写完）二面（主管面）：1.自我介绍2.项目中认为的难点3.项目做的背景是啥 为啥要做这个项目4.最近学了什么5.了不了解大模型，Spring AI之类的6. 兴趣爱好 最有成就感的事 能体现最有毅力的事是啥之类的

【一面】 1．介绍种 Attention ( MHA , MQA , GQA )的区别2．分别讲一下 Dense 模型和 MoE 模型以及二者的区别3．讲一下 MoE 的路由机制是如何做的？4．介绍 RAG 项目，讲一下 RAG 项目的亮点5．是否做过意图识别？如果要做意图识别，可以怎么实现？6．讲一下BM25算法原理7．讲一下 DPO , PPO , GRPO 的原理和区别，写一下 DPO loss 函数8．代码：lc15三数之和【二面】1． vLLM 中使用的技术是否熟悉（如 Paged Atte ntion 、 KV Cache )?2．了解加速推理框架 DeepSpeed 吗？3．MoE 模型专家的负载不均衡问题如何解决？4．如何通过修改损失函数来解决负载均衡问题？5． SFT 使用的数据集，使用了多少张卡？ SFT 训练多久？6．微调项目是如何模型选型7．如何做微调的？直接用 PEFT 库，还是用 LLa ma Factory 做的？📳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。

小厂1：大模型算法偏agent应用（12.11）说什么和某六小龙有战略合作，所以面试官是某六小龙的主要是问简历项目1.训练数据，有没有做数据处理与增强的工作2.词表怎么训练的3.量化的结果是什么4.在什么机器上训练，时间，数据量大小5.rag中怎么做的pdf解析，对pdf里面的图片，表格数据怎么处理的，怎么编码的，检索，召回的时候都做了哪些操作，混合检索的时候的权重怎么处理的，有没有消融实现对比6为什么要sft，sft的数据有多少，sft后的效果有没有对比7.sft与rag对比8.grpo和dpo对比9.agent方面有哪些了解反问，目前在做什么业务下午面完晚上约二面某初创公司：大模型算法基座模型（12.12）1.你导师是谁（绷不住了）2.有没有考虑过词表的大小对模型表现的影响3.最影响模型效果的是哪个部分4.文本编码器用的什么，有没有尝试过更新的方法5.有没有对模块这部分设计消融实验评估对性能的影响6讲一下dpo，ppo，grpo的区别7.介绍了一下他们公司主要做的一个东西，问我对这方面有什么了解8.一个力扣easy反问，如果我来会加入到哪个部分

1. 实习介绍2. 挑一个你最熟悉的大模型项目，讲讲它的目标，你主要负责什么，以及你觉得最有意思的技术点。3. 在Transformer的Decoder里，我们为什么需要用Mask把未来的信息“遮住”？从代码实现上讲，这个Mask具体是怎么作用在Self-Attention分数上的？4. 关于LayerNorm放在残差连接的“前面”还是“后面”（Pre-LN vs Post-LN），社区里有很多讨论。这两种设计选择，主要会影响训练过程的哪些方面？你更倾向于哪一种，为什么？5. 我们要在线上部署一个大模型提供服务，推理速度和吞吐量是个大问题。像vLLM这样的工具，它主要是通过什么核心思想（比如PagedAttention）来解决KV Cache的内存问题，从而提升推理效率的？6. 我们有一个基础模型，但它不太会“听人话”。如果想把它训练成一个能很好遵循指令的聊天助手，通常有几步？能简单说说SFT（监督微调）和基于人类反馈的对齐（比如PPO/DPO）分别是在解决什么问题吗？7. 假设我们有一个效果很好的70B大模型，但因为太大太慢，没法直接上线。现在需要你把它“变小变快”。你会考虑用哪些方法（比如剪枝、量化）？各自有什么优缺点？8. 相比于让大模型直接回答问题，现在很流行的RAG（检索增强生成）方案，它最大的好处是什么？主要解决了什么痛点？9. 我们的RAG系统上线后，发现有时候还是会“胡说八道”，或者答非所问。如果让你去排查，你会从哪些方面入手？（比如是检索模块没找对，还是生成模块没理解好？）10. 核心代码模式算法题：二叉树的中序遍历11. 反问