大模型应用面经

题干分析： 题设所给的信息有些多，大致内容总结如下：  题设情景给我们n个盒子，编号0，1，2……，n-1 初始状态字数组status，标识每个盒子初始状态是开（1）还是闭（0） 糖果数数组candies，记录每个盒子种的糖果数 钥匙数组keys，记录每个盒子打开后内含的钥匙编号，获得的钥匙能够打开与其编号对应的盒子 内含盒子数组containedBoxes， 记录每个盒子打开后内含的盒子编号 初始给予的盒子数组initialBoxes，记录题设情景初始给予我们的盒子编号  算法思路： 总体思路是状态化访问。题设的盒子一开始只有两种状态：开/闭，而我们是否拥有这个盒子其实也算两种状态（注意这里...

1.八股：LoRA 和全参数微调的核心区别是什么？在显存和训练效率上各有什么优劣？2.八股：DPO、PPO、GRPO 三者的优化目标有何不同？为什么 GRPO 的 loss 中要显式加入 KL 散度项？3.八股：Transformer Encoder 中 FFN 的作用是什么？4.八股：什么是 DeepSeek 的 MLA？它的优势是什么？5.项目: 你在实习中用 LoRA 微调了哪个开源大模型？具体 rank、alpha、dropout 是多少？为什么这样设置？6.项目：SFT和DPO 数据是否有重叠？DPO 的偏好数据是如何构造的？人工标注成本大概多少？7.项目：你们的 RAG 系统召回阶段用了 BGE-M3 还是 BM25？最终选择依据是什么指标（如 Recall@k）？BGE-M3 输出向量维度是多少？8.项目：为什么不用纯向量相似度直接生成答案，而要再过一遍大模型？这样做对幻觉和安全性有什么帮助？9.手撕：接雨水（LeetCode 42）

一、背景与总体能力你目前的求职方向是什么？主要使用哪些编程语言？除了 Java 以外，你是否还使用过其他语言？主要用于什么场景？二、项目一：大众点评（Java / Redis / MySQL）你这个大众点评项目是本地部署的吗？短信登录是如何实现的？是否真的发送短信？你提到使用了缓存，请你介绍一下 Cache Aside 模式你是如何保证数据库和缓存之间的一致性的？在高并发场景（如秒杀）下，这种方式有没有潜在问题？项目中“一人一单”是如何实现的？三、项目二：AI Agent / Spring AI这个 AI 项目是课程项目，还是你自己做的？这个项目是否已经落地使用？多轮对话的 记忆 是如何实现的...

1.八股：LoRA 微调原理？训练时调过哪些超参数？有什么经验？2.八股：SFT 的 loss 如何只计算回答部分？（如何 ignore padding token？）3.八股：Attention 计算中有哪些显存优化策略？（如 KV Cache 复用、batch 拼接）4.八股：分布式训练中 Zero-2 和 Zero-3 的核心区别是什么？5.八股：Transformer 为什么用 LayerNorm 而不是 BatchNorm？6.项目：项目中的数据规模多大？SFT 数据是如何清洗和构建的？7.项目：为什么在项目中选择 GRPO 而不是 PPO 或 DPO？它解决了什么问题？8.项目：奖励函数是如何设计的？是否考虑了事实正确性、安全性等维度？9.项目：为什么引入 RAG？在什么场景下 RAG 比纯 SFT 更有效？10.项目：用 LangGraph 实现多轮对话 Agent，相比手写 prompt 流程有哪些工程和效果优势？11.代码题：lc102 二叉树的层序遍历