面灵AI→

美团 业务后台二面:AI 工程化评测、本体化与三线程 ABC 循环打印

轮次
二面
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 京东实习什么时候开始、什么时候结束?为什么结束?有没有给转正或留用?为什么还继续参加秋招?
  3. 研究生有没有固定课题?毕业论文准备得怎么样?实习期间有人带吗?
  4. 这个项目是你一个人做的吗?整个项目多少人在维护?你负责哪一部分?最大的难点是什么?
  5. 模型是怎么选的?选模型看什么指标?有没有做横向 Benchmark?最终哪个模型效果更好?
  6. 上线后效果怎么评估?有没有自动化回归?线上错误怎么回收?测试集多大、怎么构建、怎么迭代?怎么防止针对测试集过拟合?
  7. 线上表现和测试集一致吗?错误主要来自什么?统计口径一致吗?数据补全之后单项错误率下降多少?
  8. 什么是你们做的「本体化」?为什么要做?最终用在哪?本体是模型自动抽取还是人工设计?怎么保证抽得对?有没有量化指标?
  9. 是从代码中抽本体,还是从业务中抽?是否会做 CR 和跨团队评审?目前是不是主要依赖人工讨论?
  10. 介绍一下你的个人博客,画一下整个博客的架构图。
  11. 登录注册怎么设计?JWT 怎么做?密码怎么保存?
  12. Code Review:这段 AI 生成的登录代码有什么问题?SQL 注入怎么避免?
  13. 用户名怎么防重?MySQL 有哪些索引?为什么使用 B+ 树?除了唯一索引还有哪些防重方案?Redis 能不能解决并发注册?Redis 与 MySQL 的一致性怎么保证?
  14. 现场 Coding:三个线程分别打印 A、B、C,如何保证循环输出 ABC?写出可以真正运行的 Java 代码。为什么代码运行失败?还有哪些编译或逻辑错误?
  15. 如果进入团队,你觉得自己还应该提升什么?平时怎么学习?最近关注哪些 AI 技术?常用的信息来源有哪些?什么时候毕业?论文计划什么时候完成?

《参考解析》

面试官在验证什么:整场的主线不是八股,而是「简历上的数字能不能撑住追问」。被问到模型选型、测试集、错误率时,回答必须能落到具体口径:测试集多少条、从哪来、标注几个人、指标怎么算、错误分类的边界是什么。如果数字是估算的,被追问两层就会崩。准备这类项目时,把「数据来源 → 标注规则 → 指标定义 → 迭代记录」写成一张表,比背结论有用。

测试集与防过拟合:测试集要按真实分布构建,从线上抽样并用人工标注,覆盖高频意图与长尾异常;规模不必大,几百条且标注一致比几万条噪声数据有用。防过拟合的手段是:训练/验证/测试严格分开、测试集不参与提示词调优(调优只用验证集)、定期用新采样的数据替换一部分测试集(滚动测试集)、以及在线上用真实流量做影子评估。要能说清「指标提升了但线上没变」的可能原因:测试集与线上分布不一致、指标口径只覆盖了容易的部分、或者收益被其他环节吃掉。

错误归因:先把错误分类再统计——检索未召回、检索召回了但排序靠后、上下文超长被截断、模型理解错误、生成格式不符合要求、工具调用参数错误、以及业务规则本身不允许。每类占比不同,优化手段完全不同。统计口径要固定(同一批测试集、同一套判定脚本),否则前后对比没有意义。面试官追问「数据补全之后单项错误率下降多少」就是在查你是否真的做过逐项归因。

本体化的价值:本体是对业务概念及其关系的显式建模(实体、属性、关系、约束),它的作用不是「让模型更聪明」,而是提供可复用的结构:让检索能按概念扩展、让规则校验有依据、让不同系统对同一概念的理解一致。抽取方式通常是「模型初抽 + 人工审核 + 规则校验」三步,质量指标包括覆盖率(业务文档中的关键概念是否被覆盖)、准确率(抽样人工判定)、一致性(同一概念在不同文档中是否归一到同一实体)、以及下游可用性(用本体做检索或校验后,任务指标是否提升)。只讲「我们用大模型抽了本体」而不讲质量校验,会被判定为没有落地。

登录注册与密码存储:JWT 方案下,登录成功签发 access token(短期,15~30 分钟)与 refresh token(长期,存服务端可吊销),access token 放内存或 HttpOnly Cookie,不要放 localStorage(易被 XSS 读取);签名用 HS256 时密钥要足够长且不落前端,用 RS256 时注意不要把私钥泄漏。密码必须加盐哈希,用 bcrypt、scrypt 或 Argon2,不要用 MD5/SHA1,也不要用可逆加密;盐每人独立随机,cost 参数按机器性能调。

AI 生成登录代码的常见问题:硬编码密钥或数据库口令、字符串拼接 SQL 导致注入、密码明文或弱哈希存储、JWT 未校验过期与签名算法、把用户输入直接放进日志(泄漏密码)、缺少登录失败限流与账号锁定、catch 后静默返回成功、以及把 userId 从请求参数里取而不是从 token 解析(越权)。SQL 注入的根治是参数化查询(PreparedStatement 或 ORM 绑定参数),辅以最小权限数据库账号与输入校验。

用户名防重:最可靠的是数据库唯一索引,插入冲突时捕获唯一键异常并返回明确提示;不要用「先查再插」,因为并发下两个请求会同时查到不存在。Redis 可以做前置拦截(SETNX 占用用户名,设置合理过期),但只能降低数据库压力,最终一致性仍靠唯一索引兜底。其他方案包括分布式锁(按用户名加锁,串行化注册)、以及把用户名归一化(大小写、全半角、空白)后再比较。Redis 与 MySQL 的一致性用「先落库成功再写 Redis、失败则删除缓存」加补偿任务处理。

三线程循环打印 ABC:三种写法。① synchronized + wait/notifyAll:共享一个状态变量表示该谁打印,每个线程循环里 while (state % 3 != id) wait();,打印后 state++、notifyAll()。② ReentrantLock + 三个 Condition:线程 A 等 condA,打印后 condB.signal(),形成 A→B→C→A 的唤醒链。③ Semaphore:A、B、C 各一个信号量,A 初始为 1、其余为 0,每个线程 acquire 自己的信号量、打印、release 下一个的。要写可运行代码,注意三点:wait 必须放在 while 里防虚假唤醒、共享状态要用 volatile 或锁保护、输出后要 flush 或统一由锁保护避免交错。常见编译/逻辑错误是 wait() 用在没有持有锁的地方(抛 IllegalMonitorStateException)、条件判断写成 if、以及 notifyAll 写成 notify 导致唤醒错线程。