已解析题目
拼多多相关面试题
你对大模型分布式训练的底层了解多少？
大模型分布式训练的底层要围绕并行策略、通信开销、显存拆分和容错监控来讲。面试回答不能只说“多卡训练”，要能解释数据并行、张量并行、流水线并行、ZeRO/FSDP 以及 AllReduce 等通信模式各自解决什么问题。
如果需要为特定领域的文本训练一套 Embedding，你会怎么做？
为特定领域文本训练 Embedding，要从语料构建、分词策略、训练目标、负样本、评估和部署更新全链路设计。关键不是只训练一个向量表，而是让向量能服务领域检索、分类、聚类或推荐任务。
虚函数和纯虚函数有什么区别？
虚函数用于运行期多态，纯虚函数用于定义必须由派生类实现的抽象接口。回答要区分语法、是否可实例化、默认实现、虚表机制和析构函数场景。
const function(const) const 中三个 const 分别有什么区别？
const function(const) const 这类题考的是 const 出现在返回值、参数和成员函数尾部时的不同约束。回答要把修饰对象说清楚，而不是笼统说都是不可变。
模型训练时 advantage 或 loss 突然变成 0，可能是什么原因？
advantage 或 loss 突然变成 0 通常是训练信号、数据、mask、奖励归一化、数值稳定或日志统计出了问题，需要按链路逐层排查。
常见的核函数有哪些？
常见核函数包括线性核、多项式核、RBF 高斯核、Sigmoid 核等；回答重点是说明核函数在不显式升维的情况下计算高维特征空间内积。
如何提高冷门商品的推荐效果？
提高冷门商品推荐效果，需要解决行为稀疏、曝光不足和模型偏热门的问题，常用内容特征、相似召回、探索流量、重排扶持和分层评估共同处理。
当模型出现 bad case 时，如何分析并改进？
模型 bad case 分析要先复现和分层定位，再判断是数据、特征、标签、模型、阈值还是业务分布问题，最后用可验证实验闭环改进。
为什么 SVM 有效，如何推导其原理？
SVM 有效的核心是最大间隔思想、结构风险最小化和核技巧；推导时从几何间隔、约束优化、拉格朗日对偶和支持向量讲起。
如果资源无限，去掉召回直接全量排序会怎样？
这题不是简单问算力，而是考推荐系统为什么分召回、粗排、精排：全量排序可能提升候选覆盖，但会改变样本分布、模型目标和系统约束。
万用户数据中有 5% 标签错误，如何用算法找出错误样本并赋予正确类别？
这道题考察 label noise 场景下的数据质量诊断和训练闭环。回答时要先区分“找出疑似错标样本”和“给出可信新标签”两个目标，再用交叉验证预测、模型分歧、邻域一致性和人工或高置信规则校验构建可控流程。
如何设计 A/B 实验评估大模型智能客服是否提升用户满意度？
这题考用数据分析方法验证大模型客服是否提升满意度，重点是实验假设、随机化单位、主指标与护栏指标、样本量、显著性和长期效果判断。
小爱同学这类 AI 语音助手的大模型评测方案应如何围绕场景划分和用户满足率设计？
这题考小爱同学这类 AI 语音助手的大模型评测方案，答案要围绕语音入口的场景划分、离线评测集、线上用户满足率、badcase 回流和版本迭代设计。
图像滤波如何通过卷积实现，如何从频域理解低频平滑和高频边缘信息？
图像滤波可以从空间域和频域两条线理解：空间域里，卷积核在局部邻域加权求和，改变每个像素与周围像素的关系；频域里，卷积等价于频谱相乘，滤波器是在保留或抑制不同频率成分。低频通常对应缓慢变化的亮度和大块结构，低通滤波会平滑噪声和细节；高频通常对应边缘、纹理和突变，高通或梯度滤波会强化轮廓但也可能放大噪声。
GPU 推理中 depthwise / separable convolution 为什么可能变慢，为什么常被判断为访存密集型算子？
这题考 GPU 推理中 depthwise / separable convolution 为什么容易 memory-bound。它虽然显著降低 FLOPs，但 activation 读写没有同比减少，算术强度低，无法充分利用 GPU 计算吞吐，瓶颈常转向显存带宽、cache locality 和 kernel launch。
推理优化中为什么可以做 Conv+BN 融合，融合后的权重和偏置公式如何推导？
这题考推理态算子融合的数学等价性和工程收益。BN 在 inference 时使用固定 running mean/variance，是逐输出通道仿射变换，所以可以吸收到前一层卷积的权重和偏置里，减少算子调度和中间 tensor 读写。
推理框架中卷积算子通常有哪些实现方式，如何按输入形状、硬件和延迟目标选型？
这题考推理框架里的卷积实现谱系，而不是卷积数学定义。回答要覆盖 direct、im2col/GEMM、implicit GEMM、Winograd、FFT、1x1/depthwise/group 专用 kernel，并说明选型受形状、batch、硬件、内存带宽、精度和端到端延迟影响。
除了传统 RFM 模型，如何用无监督学习从海量用户行为中挖掘有商业价值的新用户分群？
这题考察的是数据分析候选人能否把无监督学习从“算法名词”落到用户分群的业务闭环。好的回答要先说明分群不是为了替代 RFM，而是从更丰富的行为、偏好、价格敏感度、生命周期和转化路径中发现可解释、可触达、可验证的人群，并用离线稳定性指标和线上业务实验共同证明分群有价值。
构建 AI Agent 时，Memory 机制通常如何分层设计，短期上下文、长期记忆和检索注入分别解决什么问题？
这题考察的是候选人是否理解 Agent Memory 不是一个简单向量库，而是一套分层状态管理和检索注入机制。回答要区分短期上下文、工作记忆、长期记忆、外部知识检索和写入更新策略，并说明每层解决的问题、成本权衡、失效模式和评估方法。
如何缓解过拟合？
缓解过拟合要从数据、模型容量、正则化、训练策略和评估切片一起回答，核心是降低模型对训练集噪声和偶然模式的依赖。
同题还出现在 1 个公司岗位
从数据分析角度，推荐模块应如何用指标衡量效果，如何覆盖曝光、点击、转化、留存、GMV、供需和长期体验？
这题考数据分析师能否为推荐模块搭建完整指标体系：既覆盖曝光点击转化，也能解释 GMV、供需、用户体验和长期留存，而不是只报 CTR。
面对羊毛党，推荐模块应如何识别风险、调整排序策略并兼顾平台转化和正常用户体验？
这题考的是数据分析师能否把羊毛党问题放到推荐系统里处理：既识别风险和控制补贴损失，也避免误伤正常用户和损害推荐体验。
作为数据分析师，遇到辛普森悖论导致汇总数据和分层数据结论相反时，应如何判断和处理？
这题考辛普森悖论下的数据判断能力，重点不是机械选择汇总或分层，而是先确认业务问题、分层变量是否为混杂因素，再用因果和实验思路给出可执行结论。
关注页上线新的排序方案时，如何通过 A/B 测试选择更优方案，并设计核心指标、护栏指标和分层分析？
关注页排序方案 A/B 测试要围绕“用户是否更有效消费关注内容”设计指标：核心看关注页消费和互动提升，护栏看负反馈、留存、整体体验、创作者曝光和系统性能，并通过分层分析、显著性检验和长期观察决定是否上线。
同题还出现在 1 个公司岗位
大模型反欺诈项目从开发、测试到部署应如何设计流程，Agent 框架选型需要关注哪些工程约束？
这题考大模型反欺诈项目的端到端工程化能力，不是只问“用了哪个 Agent 框架”。高质量回答要从业务边界、数据合规、Agent 工具链、离线评测、测试门禁、灰度部署、监控回流和框架选型约束讲清楚，体现反欺诈场景对准确性、可解释性、安全和稳定性的要求。
分词算法有哪些？
分词算法解决的是把连续文本切成有意义的词或子词单位。中文没有天然空格，因此分词既要处理词典匹配，也要处理歧义、未登录词、新词、专名、领域词和下游任务适配。常见算法包括基于词典的正向/逆向/双向最大匹配、DAG 加动态规划、HMM/CRF 序列标注、统计语言模型、深度学习序列标注，以及 BPE、WordPiece、SentencePiece 等子词切分方法。
同题还出现在 2 个公司岗位
因果推断中，无法获取随机对照数据时如何估计因果效应？
没有随机对照数据时估计因果效应，需要用观察数据方法尽量构造可比组。常见思路包括倾向评分、匹配、分层、回归控制、DID、工具变量、断点回归、DML 和敏感性分析，但结论可信度依赖假设。
同题还出现在 1 个公司岗位
拼多多处于流失风险期的用户，如何用自动化数据策略做召回？
这题考用户生命周期运营里的风险识别、自动化策略和实验闭环，不是简单问“给流失用户发券”。高质量回答要先定义拼多多场景下的流失风险期，再说明如何用行为、交易、品类偏好和价格敏感度打分分层，最后讲触达时机、召回权益、推荐内容、实验 holdout、召回后留存和打扰护栏。
拼多多美妆百亿补贴专场，如何用数据分析辅助选品？
这题考拼多多百亿补贴美妆专场的经营分析能力。答案不能只说选销量高的商品，而要围绕选品池、补贴优先级和经营护栏展开：既看人群需求、品牌信任、价格力、历史转化、搜索收藏趋势，也要算毛利和补贴 ROI、库存履约、退货差评、正品风险和售后承压。
OpenCL/GPU kernel 为什么要尽量减少分支，掩码写法如何影响 SIMT/SIMD 执行效率和有效吞吐？
这题考 GPU/OpenCL 高性能实现里的分支发散和掩码写法。高质量回答要说明 work-item 在 subgroup/warp/wavefront 内锁步执行，分支不一致会串行执行不同路径并屏蔽 inactive lane，从而降低有效吞吐。
资源有限时，增长运营如何用广告投放 ROI 平衡投放规模与效果？
这道题考察增长运营在资源有限时是否理解投放 ROI 的边际收益逻辑。广告投放不是简单追求最高 ROI，也不是盲目放量，而是在预算、库存、团队能力和商业目标约束下，寻找“规模增长”和“单位效率”的平衡。关键框架是区分平均 ROI 与边际 ROI：小预算高 ROI 不代表可放量，预算扩大后流量质量下降、频次上升、竞价成本上升，ROI 往往递减。好答案需要覆盖预算分层、实验放量、止损线、利润口径、LTV 口径和 portfolio 管理。
拼多多 App 百亿补贴频道转化率连续 3 天下跌，数据分析师应如何一步步定位原因？
这道题考察数据分析师处理核心频道转化异常的结构化能力。好的回答要从指标口径和数据质量开始，确认连续 3 天下跌是否真实，再拆百亿补贴频道的访问、商品曝光、点击、加购或拼单、下单、支付等漏斗，定位第一处异常。随后按流量来源、用户分层、商品供给、价格补贴、库存履约、推荐排序、页面性能、支付登录和活动竞争等维度归因，最后给出影响量级、责任 owner、验证方案和恢复监控。
AI 语音交互的技术流程是什么？
这题考的是语音交互链路的组件职责：从录音、唤醒、降噪和端点检测开始，经 ASR 转写、语义理解/对话管理、业务执行和回答生成，再到 TTS 播放、打断处理和日志反馈闭环。
同题还出现在 1 个公司岗位