标签题目
手写题相关面试题
new 关键字的运行流程？实现一个自己的 new
这题考察 new 的四步语义、原型链绑定、this 绑定和构造函数返回值规则，手写实现要覆盖返回对象的特殊分支。
手写题：数组去重，用多种方式实现
这题考察数组去重的多种实现、相等判断和复杂度边界。高质量回答要覆盖基本类型、NaN、对象引用和对象数组按业务 key 去重。
给你一个数组，其中元素是节点值以及父节点值，要求去重并还原树
这道题考察扁平数组转树的实现能力。关键不是只会 parentId 挂 children，而是先用 Map 按唯一 id 去重和建索引，再用第二遍挂载，明确重复 id、父节点后出现、多根、孤儿节点和循环引用的处理策略。
手撕发布订阅
这题考察发布订阅的核心数据结构和边界处理。高质量实现要包含 on、off、emit、once，并处理执行中增删监听器的问题。
手撕：数组拉平（flatten）
这题考察递归遍历、depth 语义、顺序保持和边界处理。回答时要先约定函数契约，再写出不会丢类型的实现，并说明深层数组时的栈风险。
如何用链表实现两个大数字相加？
链表大数相加要逐位处理两个链表和进位，核心是对齐位序、维护 carry，并在末尾补上最后的进位节点。
如何实现 str2num，将字符串转换为整数或浮点数？
str2num 的重点是把符号、前导零、整数部分、小数部分、非法字符和溢出规则定义清楚，再用状态机或分段扫描实现。
如何在给定字符串中输出出现频率最高的字母？
字符串最高频字母题的核心是一次遍历统计频次，再按题目规则处理并列、大小写、非字母字符和字符集范围。
如何反转单链表？
反转单链表的标准做法是迭代维护 prev、curr、next 三个指针，逐个改变 next 指向，最后返回 prev。
如何手写一个 Skill 系统，支持注册、发现和调用本地能力？
这题考手写 Skill 系统的最小实现，回答重点是注册、发现、参数校验、权限控制、调用分发、错误处理和可观测 trace。
如何用代码实现 Multi-Head Cross-Attention，Q/K/V 的输入维度如何对齐？
这题考手写 Multi-Head Cross-Attention 的维度理解和实现顺序，回答重点是 Q 来自目标序列，K/V 来自条件序列，以及多头拆分、mask 和输出合并。
CLIP 的图文对比学习流程如何用伪代码表示？
这题考 CLIP 图文对比学习的训练流程，回答重点是 batch 内配对、图像/文本归一化向量、相似度矩阵、温度系数和对称交叉熵损失。
同题还出现在 1 个公司岗位
如何手写 Beam Search，并处理候选扩展、剪枝和停止条件？
这题考如何手写 Beam Search，回答重点是维护 beam 候选、逐步扩展、按累计分数 top-k 剪枝、处理 EOS 停止并返回最优序列。
如何用 PyTorch/CUDA 思路实现四线性插值，说明索引、权重计算和边界处理伪代码？
这题考实现思路而不是背库函数：先声明把“四线性插值”按 4D/quadrilinear interpolation 理解，即 4 个连续维度上各取 floor/ceil 共 16 个邻居，再讲索引映射、权重乘积、边界策略、CUDA 并行和反向传播验证。
如何手写实现一维卷积算子？给定输入序列 [1,2,3,4] 和卷积核 [1,2,3] 时，如何约定 kernel 翻转、valid/full 输出、padding 和 stride？
这题考的是能否先把卷积约定说清楚再写代码：深度学习里的 Conv1D 通常实际做 cross-correlation 不翻转 kernel；数学卷积会翻转 kernel；valid/full、padding 和 stride 会直接改变输出长度和数值。
如何手写 Multi-Head Self-Attention，Q/K/V 投影、分头、mask 和输出拼接如何实现？
这题考 Transformer 注意力层的可实现细节。好的回答不能只背公式，而要讲清输入输出形状、Q/K/V 一次投影或三次投影、head 维度拆分、scaled dot-product attention、padding/causal mask 广播、softmax/dropout、head 合并、输出投影以及常见数值和 shape bug。
同题还出现在 1 个公司岗位
手写单层 MLP 做回归或二分类时，如何实现 forward、loss、反向传播和参数更新？
这题考的是能否从零写出一个最小神经网络训练闭环：线性层、激活、任务损失、链式法则、梯度形状和参数更新。回答要同时覆盖回归和二分类，并能解释为什么回归常用 MSE，二分类常用 sigmoid + BCE，以及如何验证梯度和训练是否正确。
如何用 PyTorch 实现 Grouped Query Attention？当 Q heads 多于 KV heads 时，K/V heads 应如何分组、repeat 或 broadcast，并完成 attention score、mask、softmax 和输出投影？
这道题考察候选人是否理解 Grouped Query Attention 的 head 形状和实现细节。回答要讲清 Q heads 与 KV heads 的分组关系，如何 repeat K/V，如何计算 mask、softmax 和输出投影。
Verilog 如何写一个带复位的计数器？
这题考时序 always 块、异步复位、同步清零、模计数边界和非阻塞赋值，重点是写出可综合且边界正确的计数器。
Verilog 写一个 32 分频电路时，翻转条件和计数边界怎么确定？
这题考偶数分频的边界理解，32 分频且希望 50% 占空比时，输出应每 16 个输入周期翻转一次。