拼多多人才计划一面:知识内化框架被追问五十个问题
- 轮次
- 一面
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 简历上这个「内化框架」,一句话说清楚它是什么。
- 省多少 token?3800 值多少钱?按一年算呢?
- 为了省这些钱,训一次模型花了多少?
- 你这个「内化」和普通微调有什么区别?为什么不叫微调?
- 模型能分清「注入事实」和「学格式」这两件事吗?
- 知识更新了怎么办?增量训一轮要多久?这三天里用户问新知识,模型答什么?那你到底省了什么?
- 知识冲突怎么处理?旧参数里有 A,新数据说 A 是错的。
- 混入通用数据的比例怎么来的?试了几组?三组就敢上线?
- 幻觉率降了吗?怎么测的?谁判的?你自己判自己做的框架?
- 为什么不用 RAG?RAG 改一个文档五分钟,你改一个事实要三天。
- RAG 在专业术语上的召回率 71%,这个分母是什么?漏掉的 29% 是检索问题还是切分问题?各占多少?
- 内化和 RAG 能不能混用?怎么决定一条知识放哪一边?频次阈值多少?第 51 次之前呢?
- 你说这套框架有 Agentic 特性,具体在哪?这算 Agent 吗,不就是一个脚本跑三遍?中间决策错了怎么办?重跑的钱谁出?
- 这套自动迭代和 AutoML 有什么区别?那不就是数据版的网格搜索?
- 整条链路里 rollout 占多少时间?GPU 利用率多少?为什么这么低?为什么不按长度分桶?35% 里有多少是等、多少是算?等什么?
- 如果预算砍一半,你先砍哪一步?效果掉多少?三个点换一半预算值吗?那你为什么不一开始就这么做?
- 这套东西不做会死吗?不做成本会高多少?你们团队一年人力成本多少?那你在优化什么?
- 这套东西里哪些是你做的?框架的想法是谁的?那简历上为什么写「主导」?
- 手撕:实现一个动态 batching 的调度器。请求随时进来,攒到 batch size 或者超过 20 毫秒就 flush,要求单线程安全,且不能因为一个慢请求拖住整批。
《参考解析》
「内化」与微调的边界要讲清目标而不是名字。 继续预训练把事实写进参数,微调通常指用标注数据调整输出分布,两者在工程上是同一条链路的不同用法。被追问「模型能分清这两件事吗」,正确的回答是承认模型不区分意图,区分体现在数据构造与损失设计上:内化用的是自动构造的事实型语料(实体—关系—问答),评估看的是事实召回与幻觉率;微调看的是任务格式与指令遵循。如果两者混在一批数据里训,效果归因就说不清,这本身就是一个设计缺陷。
成本账要能闭环。 面试官一路把「省 3800 token」逼到「一年七万」再逼到「团队人力成本」,考的是有没有算过投入产出比。合理的答法是给出单位经济模型:单次请求节省 × 日请求量 × 365,对比训练卡时、数据构造与维护人力、以及知识更新延迟带来的业务损失。若结论是「一年省七万而人力成本远高于此」,就应该承认这套方案的价值不在省钱,而在延迟、稳定性或隐私(不出域),把立项理由换到真实收益上。
知识更新与冲突是内化路线最难的部分。 参数里的旧事实无法定点删除,只能靠新数据覆盖,覆盖不彻底就会出现新旧并存的矛盾输出。工程上的缓解手段是:给新数据更高权重并混入通用数据防遗忘、保留 RAG 作为长尾与新知识的兜底、对高频变更的知识强制走检索而不是参数。回答时要明确「哪些知识适合内化」——稳定、高频、术语密集的事实;「哪些不适合」——时效性强、需要引用出处的信息。
GPU 利用率 35% 的追问指向调度而不是分桶。 长尾样本长度差异大时,padding 会让一个 batch 的有效计算比例下降;分桶能缓解,但收益有限,因为瓶颈是「等最长的那个样本」。真正的解法是 continuous batching / 迭代级调度:以 token 为单位动态进出 batch,而不是按请求整批等待;配合序列并行与 PagedAttention 管理显存碎片。能把「等」和「算」分开度量,说明真的看过 profiling,而不是背优化清单。
动态 batching 调度器的手撕要点。 需要三个结构:待处理队列(到达即入队)、当前批次(累计到 batch size 或定时器 20ms 触发 flush)、以及每个请求的超时与回调。单线程安全在单线程事件循环里天然成立,多线程则要一把锁保护队列与批次状态,flush 时整批取出并在锁外执行。慢请求的处理是这道题的核心:不能让它阻塞整批,做法是给它单独的完成回调与超时(超时后先返回、结果到达再补发或丢弃并记录),显存/资源在该请求真正结束时释放,而不是随批次一起释放。面试官最后追问「超时之后结果怎么返回、它占的显存什么时候释放」,正是在验证有没有想清楚生命周期。
这场面试的方法论价值。 作者复盘说「没有一道题是我不会的,但每一道都被问到了『然后呢』」。技术面试的深度追问通常在验证三件事:数字是否有出处、方案是否有对照、结论是否由自己得出。准备项目时按「做了什么—为什么这么做—代价是什么—怎么验证」四层各写一遍,比堆技术名词有效。