面试记录(三)

面了57min,实在问麻了,下面的问题就没有按顺序记录了:

1.linux熟悉吗:熟悉基础的环境变量、目录等用法,问如何查找一个文件(不会,又追问如何设计一个c的程序去查找:先找文件类型,再深度优先遍历)

2.代码的debug工具熟悉吗,怎么去修正bug------tensorboard,打印关键信息,查看变量信息

3.模型的调优或者优化------分布式训练,fp16代替fp32

4.stable diffusion的原理,diffusion能否用于检测用户的异常行为

5.传统机器学习算法了解多少------SVM

xgboost了解吗------了解一些,分类树的模型(下来一定好好学习)

6.transformer的encoder和decoder有什么区别(self和cross attention;mask矩阵)

7.特征选择和特征提取的方法(局部最优的贪心,遗传算法)

8.大模型能否用到这里(具体不是很了解)

9.大模型的微调方法------Lora(低秩分解,训练)

10.核心业务关注:

玩过moba类游戏吗

最高段位怎么样

moba类游戏的外挂了解吗

以王者荣耀或者英雄联盟手游为例,怎么检测一个用户是否有开挂?

这里面试官其实每个阶段都会追问一些技术细节,就按照我设想的流程回答了:

(1)特征选取

关键是找到一些能够有助于判断开挂的行为:

局内的数据:分均经济、场均死亡次数、技能命中率(盲视野下)等

连续的行为:资源的抢夺率、防gank的行为(被抓的时候逃跑的反应速度)

总的来说应该有图像和序列的信息都能有帮助。

(2)特征筛选

看特征的量是否很大,小的话全局最优,大的话局部最优,同时判断一下特征的相关性,独立的要谨慎删除

局部最优的贪心,全局的遗传算法

(3)特征提取

图像数据:考虑实时性用convnext,不考虑的话上Vit

序列数据:Bert或者GPT(不是研究的领域,只听过这两个)

(4)多模态的融合

考虑三个层面的融合

1.输入端的融合------简单的编码后,concat

2.特征空间下的融合------不同的stage拼接(可以add,concat,cross-attention)

3.决策层面融合------bagging、boosting

(5)输出

一个分类任务

相关推荐
Pniubi16 小时前
力扣21合并两个有序链表
算法·leetcode·职场和发展
宋艳_AI应用开发17 小时前
Agent 工程:慢的不一定是模型,答案对了也可能算失败
面试
斯维赤19 小时前
三级缓存为什么是三级?二级缓存不够吗
前端·后端·面试
Pniubi21 小时前
力扣239.滑动窗口最大值(优先队列)
算法·leetcode·职场和发展
前端小万1 天前
思考,行动,复盘|2026
前端·后端·面试
Sailing1 天前
🚀客户端都超时了,你的 Go 服务还在查库?Context 取消链路不打通,连接池迟早被打爆
后端·面试·go
Baihai_IDP1 天前
使用场景不同,模型“推理速度慢”的原因也不同
人工智能·面试·llm
Rain的Java大神之路1 天前
别被 ChatGPT 的打字机效果骗了:一字一字蹦,才是 LLM 自回归的命门(附大厂 Java 流式落地)
java·后端·面试
nice_lcj5201 天前
MySQL 的锁:行锁、表锁、间隙锁与死锁
mysql·面试·锁·行锁·死锁·间隙锁
ShineWinsu2 天前
对于Qt:QSpacerItem常见属性以及方法的解析
开发语言·c++·qt·面试·系统架构·客户端·qspaceritem