美团后端一面面经

常规问题： 1. 3分钟简单自我介绍2. 在实习和开源经历中，你遇到的最大困难或最具挑战性的事情是什么？实习拷打（拓展相应的场景八股）慢 sql 治理相关的1. 你在平台稳定性建设中提到通过添加索引、读写分离优化慢SQL，具体是怎么做的？2. 读写分离可以再详细说一下吗3. 能否举一个添加索引的具体例子？比如在哪个字段上加了什么类型的索引？4. 你加的是单列索引，如果查询只需要表中的几个字段，当前的单列索引是否有优化空间？5. 联合索引相比单列索引的优势是什么？为什么更优？（从回表，索引下推优化那个方向说就好）es 慢查治理相关1. 关于ES扩容主分片优化查询，具体是怎么做的？2. 系统的ES集群资源配置你了解吗？（如CPU、节点数等）3. 扩容分片数量是如何确定的？仅依据数据量吗？4. 分片切割后为什么查询会变快（并行查询）5. 将 long 类型字段转为keyword类型，是如何利用跳表结构的？这里其实并不能，只是切换是为了适应精准匹配的场景，keyword 的底层用的是倒排索引+跳表6. 除了分片扩容和类型转换，还有哪些方式可以优化ES慢查询？（force merge 整理碎片）分布式锁（业务中有个并发修改用到了，主要问的一些分布式锁的实现细节）1. 你在业务中使用的分布式锁是标准库还是自研的？2. 让你自己实现一个最简单的分布式锁，你会怎么实现？3. 如果任务加锁后异常退出，没有释放锁，如何避免死锁？4. 如果任务执行时间很长，锁过期被其他任务获取，原任务完成后误删了别人的锁，如何解决（防止锁的误释放，加标识）5. 如果任务A包含多个子任务，且子任务本身也有加锁逻辑，在嵌套调用时会因重复加锁失败，如何解决？（可重入锁的实现）6. 在秒杀场景下，能否直接用分布式锁控制库存扣减？会有什么问题？7. 如何让秒杀请求不立即失败？（锁的自旋）并发编程1. 你使用CompletableFuture并发查询多个维度，底层是如何实现并发的？2. 你是自己定义线程池，还是使用默认线程池？3. 你是基于什么依据设置线程池参数的？4. 如果一个任务同时包含CPU密集型和I/O密集型操作，共用一个线程池会有什么问题？应该如何设计？（线程池隔离，避免cpu密集型任务阻塞I/O密集型任务）Agent和开源相关的内容1. 你的基座模型切换（DeepSeek → 千问）后，响应是流式还是非流式？2. 为什么关注完整响应时间，而不是首字响应时间？（主要是业务上的一个需要）3. 你的性能优化目标是在保证输出内容不变的前提下缩短生成时间吗？4. 你在Agent框架中使用了责任链模式和观察者模式，请分别解释这两种模式5. 既然有四个固定执行步骤（Agent执行前，执行后，模型执行前，执行后），是否可以用模板方法模式替代责任链模式？6. 你使用观察者模式的具体场景是什么？为什么选择它？7. 你还了解哪些常用设计模式？8. 你提到使用HNSW算法进行向量搜索，能简述其基本原理吗？（避免全表的向量查询）9. 为什么不直接用余弦相似度做全量匹配，而要引入HNSW？10. 你是否使用过BM25算法？它的作用是什么？11. 向量搜索有哪些弊端？12. 向量检索和BM25全文检索的得分量纲不同，如何进行混合排序？（引入一个精排模型重新打分）反问：1. 业务（智能客服相关）2. 不足，基础还需要加强无手撕，总体一个小时总结：面试体验很好，主要就是根据简历延伸一些八股和简单场景，有些还需要加强的地方，挖出来了自己基础上的一些问题

1.自注意力机制是什么？计算复杂度怎么算？2.KV-Cache的如何加速推理？3.LoRA的原理是什么？与P-Tuning、Adapter的异同点？LoRA的参数选择对模型性能有何影响？4.介绍下RLHF的基本流程，与DPO的差异是什么？5.分布式训练中的TP、PP、DP分别是什么？6.flash-attention的原理是什么？7.如果视觉模块误判，如何通过语言纠错？8.具体讲讲怎么构建evaluation pipeline的?代码题：lc23.合并 k 个有序链表

1.  注意力机制：请简述 MHA、MQA 和 GQA 三种注意力机制的核心区别。2.  模型架构：Dense 模型与 MoE 模型有何本质区别？3.  路由机制：MoE 模型中，路由（Routing）机制具体是如何工作的？4.  LoRA 微调：请阐述 LoRA 的原理，以及其中 A、B 矩阵的初始化方式和秩（Rank）的设置考量。5.  强化学习：请对比 DPO、PPO 和 GRPO 的原理与区别，并写出 DPO 的 Loss 函数公式。6.  推理加速：vLLM 中使用了哪些关键技术（如 PagedAttention、KV Cache）来优化推理？7.  并行框架：你对 DeepSpeed 这一加速推理与训练框架有多少了解？8.  BM25 算法：请讲解 BM25 算法的计算原理。9.  负载均衡：MoE 模型中专家（Expert）的负载不均衡问题该如何解决？10.  损失函数：能否通过修改损失函数的方式来缓解 MoE 的负载均衡问题？11.  数据分布：SFT 微调数据与预训练数据分布差异较大时，该如何处理？12. Scaling Law：SFT 微调的数据集是越大越好吗？是否存在 Scaling Law 现象？13. 训练稳定性：强化学习（RL）为何存在训练不稳定的问题？既然不稳定为何业界仍广泛使用？14. 三数之和：LeetCode 15. 三数之和。📳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。

一面: 1.八股：Encoder与decoder的中Attention区别？2.八股：Attention如何计算？为什么除以根号下Dk？mask attention是如何实现的？3.八股：除了MHA还知道哪些(GQA MQA MLA)讲原理4.八股：为什么要用位置编码？为什么要用sin_cos？5.项目：问之前实习的Agent的设计逻辑，问创新方法的实现6.项目：你提到用DeepSpeed做SFT训练，请讲一下DeepSpeed ZeRO Stage 1-3的区别，以及什么时候用FSDP会更好？7.项目：问Agent的工具tool的设计，是否是workflow形式8.项目：了解哪些agent开发框架，例如langchain和LlamaIndex，他们核心应用场景有何不同9.项目：问数据的输入输出格式如何保证大模型输出稳定的json做了哪些工作10.智力题：有12个外观相同的芯片、其中一个重量不同(不知轻重)，用天平最少称几次能找出这张芯片？11.代码题：lc215 数组中的第K个最大元素