- 综合排序
- 最热优先
- 最新优先
腾讯智慧物业：重构全域营销与多经业务增长体系
第一章 突破物业经营瓶颈与流量困局 行业痛点：基础服务与多经业务的双重割裂 当前物业行业头部客户在探索多种经营（多经）商城零售业务时，普遍面临“低频消费、高运营成本、低转化率”的结构性矛盾，具体表现为四大核心痛点 线上割裂： 公众号、视频号、企业微信等多触点之间缺乏运营联动；多业态（地产、物业、商业）的身份、权益与入口未能统一。 3. 重塑激励机制，激活组织活力 动态绑定模型： 设计“业绩归属管家A”与“业主绑定管家A”的双重机制。 分层激励体系： 针对不同业务周期设计商品激励、时间激励、渠道激励及会员激励等多维体系，确保管家在推广非主营业务时有足够的动力。 第三章 量化业务增量与降本成效 应用效果：数据驱动的业务价值验证 通过腾讯生态资源的注入与数字化工具的落地，多经业务在获客、转化与人效上均实现了显著提升： 流量与GMV爆发： 视频号DAU突破 5亿+，
26810编辑于 2026-02-10【多模态大模型面经】 Transformer 专题面经
本专题汇集了个人在准备多模态、大模型、强化学习等前沿岗位面试过程中总结的核心知识点，同时记录了本人在真实面试中面试官的提问。 主流 LLM 和多模态大模型架构对比表模型 架构类型 输入类型 输出类型 典型应用 GPT 系列 Decoder-Only 这是，面试官可能又会问了： 3. text{LayerNorm}(x + \text{Sublayer}(x))$$ 作用：: 允许梯度从更深层直接反向传播到浅层，避免梯度消失，使深层 Transformer（如 96 层的 GPT-3） d_k] if mask is not None: # mask 形状适配到 [B, 1, L_q, L_k] if mask.dim() == 3:
86320编辑于 2025-11-16- 来自专栏面经
【多模态大模型面经】 BERT 专题面经
本专题来源于本人在面试 NLP / LLM / 多模态预训练相关岗位时的真实问题与个人总结，本章的重点是为什么GPT的【MASK】设计会导致数据泄露？ 二、BERT: Pre-training在面试过程中，只要你的简历上涉及到了BERT，BERT一定会问你一个问题： 3. = x.size() x = x.view(B, L, self.num_heads, self.head_dim) return x.permute(0, 2, 1, 3) context = torch.matmul(attn_probs, V) # -> [B, L, H] context = context.permute(0, 2, 1, 3) next_sentence_labels=next_sentence_labels, ) total_loss, mlm_loss, nsp_loss = outputs[:3]
69130编辑于 2025-11-16 - 来自专栏牛客网
多益网络2019提前批面经
3. 给出了8个或9个现实中的事件，事件里面包含了急切程度的字眼和所用时长（在此不列举，当然也没有记住哇）如果是你，你会如何安排这些事件的先后顺序？ 你了解多益吗？ 你的理想薪酬是多少？ 开放题作品：时间48小时，需要在截止时间前上传作品 开放题作品和HR面是同步进行的，7月3日20:00前提交作品。 或者可以问笔试上的题目，这一点的前提是他们的笔试题目要足够的专业，多益的笔试题目自我认为就很专业。 或者自己在产品方面有一些思考的问题，但在提问的时候先说出自己的想法，再向面试官发问） 三、总结 从网申开始到面试结束并通知结果总共用了不到1个月时间，从笔试到面试结束并通知结果总共用了14天时间，多益的效率还是杠杠的
46920发布于 2018-08-10 - 来自专栏AVAJ
面试java后端面经_3
1 自我介绍哈（这块没有一点准备的可以看面试java后端面经_1） 2 类加载的三种方式（1：命令行启动应用时由JVM初始化加载 2：通过Class.forName() 方式动态加载 3：通过ClassLoder.loadClass () 方法动态加载） 3 如何判断对象已死（1：引用计数法(java中没用，因为，没办法解决循环引用：A引用B，B也引用A，但是没有其他引用去引用A和B，这时AB都是垃圾，但是引用计数法无法判断)。 3方法区中常量引用的对象。 3标记整理算法：先标记清除再整理。 3.性能最化，fork子进程来完成写操作，让主进程继续处理命令。4.相对于数据集大时，比AOF启动效率高。
53620发布于 2019-08-20 YashanDB多租户环境部署方案，满足多业务需求
在多业务环境下，充分利用数据库资源，降低企业的运营成本，提升数据访问性能，已然成为必然需求。 YashanDB作为一款高效、灵活的数据库解决方案，在多租户环境部署上展现出独特优势，满足多业务需求的同时，还能确保系统稳定运行。本文将对此进行深入分析。 在多租户环境中，可以根据业务需求选择不同的部署模式，从而实现资源的高效利用和灵活扩展。1. 单机部署单机部署适用于小型业务或初始阶段的企业，通过主备复制实现数据安全。 在多租户环境中，可以通过分租户的负载均衡策略分配数据到不同的数据节点，实现高效的数据访问和处理。同时，这种部署模式确保了特定复合查询请求的性能表现，在高并发的情况下，充分利用系统资源。3. 性能优化利用大数据时代数据压缩、索引、并行处理等技术，YashanDB可以在多租户环境中实现更高的查询和写入性能，同时通过智能优化算法自动选择最佳执行计划，确保高并发下性能的稳定。3.
12800编辑于 2025-06-28- 来自专栏牛客网
多益网络提前批产品策划面经
3.优缺点以及对岗位的影响？ 4.讲讲你实习负责的产品说说它的产品定位，需求以及目标用户？ 5.介绍一下学校的项目，你在其中负责了什么，有遇见什么困难吗？ 6.假如你负责的一款产品下线了你会怎么办？ 大概就是这么多，其中项目和实习经历问的比较细，攒一波人品，希望能通过。 点击作者姓名与作者大佬交流~ 作者：邪魅狂羊 来源：牛客网（www.nowcoder.com） - 互联网名企笔试真题 - 校招求职笔经&面经 - 程序员/产品/运营求职实习信息 - 程序员/产品/运营学习交流社区
59520发布于 2018-07-24 【多模态大模型面经】 DeepSeek专题： DeepSeekMOE + MLA
知识冗余（Knowledge Redundancy）： 不同专家学到的大部分东西是重复的；简单说：目前的MoE 看起来是“多专家会诊”，实际上专家经常“兼职”，还爱抄彼此作业。 Device-Level Balance Loss（设备层面的均衡损失） DeepSeek 的 MoE 是多卡/多节点并行的，不同卡上放着不同 Expert；Device-level loss 进一步约束 W^{UK},\quad V = \mathbf{u} W^{UV} Q 还是从原始 hidden / content 里来: $Q_h = x W^Q_h$训练 / naive 推理视角：看起来只是多插了一层低维投影 out.transpose(1, 2).contiguous().view(B, L, self.d_model) out = self.w_o(out) return out四、面经 详细看第二章 3. 为什么说 DeepSeek 是“参数大、算得少”？
94320编辑于 2025-11-21- 来自专栏牛客网
腾讯SNG的实习offer（多篇面经分享）
百度是我春招面的第一家，3月初就来了电话。当时还没开始复习，慌的不行。 下面是面经。 2018-3-12 一面(电面50多分钟) 为什么喜欢后端开发？ 你觉得创新班怎么样？ 腾讯(SNG腾讯云) 2018-3-13 提前批一面(电面50多分钟) 昨天刚面完百度，就来了腾讯，准备的少，心里更慌。后来面完问面试官，他说面试结果还行，就是说话太紧张了（能不紧张吗）。。。 2018-3-15 提前批二面(电话面10几分钟) 面试官一上来就说只聊10几分钟，然后自我介绍，问我学校学了些什么课。 WPS 3月底去参加wps在广工的现场宣讲会，投的是服务端开发，然后现场笔试。
1.1K20发布于 2018-07-04 - 来自专栏OpenApplus
多业务团队中，如何使用Fizz支持多注册中心
注册中心功能维护注册中心的配置，可配置多个注册中心，类型支持Eureka、Nacos，配置格式支持yml、properties。下面介绍注册配置功能。
70420编辑于 2022-02-14 - 来自专栏python3
Python爬虫实战（3）：安居客房产经
Python标准库中的sqlite3提供该数据库的接口。 2，Python对SQLite进行操作示例 以下的代码将创建一个简单的关系型数据库，为一个书店存储书的分类和价格。 下面将在同一数据库中插入数据： import sqlite3 conn = sqlite3.connect("test.db") c = conn.cursor() books = [(1, 1 , 'Cook Recipe', 3.12, 1), (2, 3, 'Python Intro', 17.5, 2), (3, 2, 'OS Intro' 循环读取，也可以使用sqlite3提供的fetchone()和fetchall()方法读取记录： import sqlite3 conn = sqlite3.connect('test.db') c 3，总结 sqlite3是一个SQLite的接口。想要熟练的使用SQLite数据库，需要学习关系型数据库的知识。在一些场景下，Python网络爬虫可以使用SQLite存储采集到的网页信息。
1.3K10发布于 2020-01-07 - 来自专栏牛客网
蚂蚁金服面经（3+4）
正好今天分享一下面经，回馈下牛客，大家可以多交流交流哈。 3讲了一下fixthreadpool的增长策略，然后几种拒绝策略。 还跟我说他们部门3个华科的，校友多多。 16Spring和Springmvc讲一下。讲了Spring的ioc和aop，Springmvc的基本架构，请求流程。 3 hashmap的实现。 4 NIO了解么，讲一下和BIO的区别，AIO呢。阻塞，非阻塞，异步。具体。 5 你说了解分布式服务，那么你怎么理解分布式服务。 9 项目中学到最多的东西 10 有什么想问 蚂蚁财富面经（1+2+交叉+HR） 跟这边的部门主管说了一下之前面试的情况，然后他帮忙催了下进度。
87720发布于 2018-08-10 - 来自专栏崩天的勾玉
字节跳动·业务中台·后端实习一二三面面经
字节跳动 业务中台 后端实习一二三面面经 (一下午连着三面不愧是字节) 一面 自我介绍 深挖项目，权限模型怎么做的，数据库表怎么设计的，加了哪些索引，你这么设计有什么问题，改进措施呢 大家自己做完项目可以总结一下 面试官给提示了一下) 三面 自我介绍 mysql场景题，求出一个城市的所有用户(写sql的题一律不会) 求一条sql 统计各地区用户数量与用户明细 http1.0和1.1的区别 HTTP，从1.0到HTTP/3
93010编辑于 2021-12-20 - 来自专栏Windows技术交流
小文件多的业务场景，建议WinDefend排除业务路径对比
背景：有个证券客户POC，跟友商对比，业务队列积压、出结果有两三秒延迟 排除云硬盘、virtio驱动、pagefile、网卡receive buffer等方面后，看到业务小文件很多且defender在运行 ，就添加命令排除了下，然后复测正常 WinDefend排除业务路径，可参考https://cloud.tencent.com/developer/article/2195212 别看上面三两句简单简单就解决了 ； 2、用新代次机型搭配极速型云盘测试、用之前的增强型云盘扩容到460G确保吞吐上限增加到350MB/s再次测试，业务表现依旧；了解业务瞬时小文件非常多的特点后，发现WinDefend在后台比较活跃，怀疑其干扰业务执行 ，添加排除业务路径后，业务压测恢复正常。 云平台iaas层面、云平台组件层面先排除，比如母机、云盘等均已排除 2、禁用或卸载杀毒防护软件 包括第三方杀毒防护软件、操作系统自带的WinDefend、云平台的安全组件、各公司内部自研的安全软件等 3、
22410编辑于 2025-01-24 - 来自专栏牛客网
多篇面经集合，你不容错过的干货！
解释一下长连接 多益网络 一面（视频） 1. 自我介绍 2. 对面向对象的理解 3. 介绍多态 4. Java 新建线程有哪几种方式 5. 线程池的作用 6. 给了一张纸，各种名词，会的写出来 3. 然后给它解释那些会的 4. 项目介绍 3. 怎么管理项目进度 4. 平常的爱好 5. 感觉面试官也不是搞 java 的，所以又是一阵尬聊 苏宁内推 一面（现场） 1. 自我介绍 2. 项目介绍 3. 聊到多益，于是开始聊最近微博上很火的多益老板 6. 得出结论，我和面试官都觉得多益老板三观有问题，但做游戏就是要偏执的人 7. 你博客主要哪方面的 8. 多线程并发包了解么 9. 数据库的瓶颈 点击作者姓名与作者大佬交流~ 作者：obamaqueenie 来源：牛客网（www.nowcoder.com） - 互联网名企笔试真题 - 校招求职笔经&面经 - 程序员/产品/运营求职实习信息
1.2K20发布于 2018-07-24 - 来自专栏SAMshare
多业务融合推荐策略实践与思考
58app首页推荐业务 ( 多品类推荐 ) 主要面临的挑战在于： 如何满足用户对于不同品类的兴趣？( 用户兴趣问题 ) 推荐的业务比例如何和平台的业务比例进行匹配？ 业务流量分配策略 这个优化主要针对第二个挑战：多业务之间的流量均衡 实际业务需求： 由于58首页信息流是多品类混合推荐的场景，推荐的结果既要满足用户个性化需求，又要满足在整体上各业务的占比与58实际业务流量比例相符合 综合前面介绍的两大块内容：业务分配策略和兴趣策略，点击效果比基准效果提升1.1%。 3. 动态刷新机制 这个优化主要针对第三个挑战：推荐结果的多样性。 3. 目前负责 APP 首页业务信息流推荐，致力于通过融合多业务、多策略推荐系统的迭代升级，支持流量分发，优化连接效率，提升用户体验。 今天的分享就到这里，谢谢大家。
1.9K21发布于 2020-08-27 - 来自专栏Reinvent Data Science
Milvus × RAG助力快看漫画多业务应用
02.Milvus在快看基础业务的应用 快看基础业务包括常见的搜索、推荐、广告，此外还包括图像相关的业务，比如图像去重、以图搜图等，为了更好的服务上述场景需求，需要构建向量检索系统，首先要做的一件事，就是确定一款向量检索引擎 我们在重排之后，并不会把top3 doc丢到大语言模型里进行生成，因为这top3 doc，我们看作是3个定位锚点，接下来会以每个锚点为中心进行上下文扩展，增强背景信息，但是在扩展的过程中要注意几个细节， 比较难处理的是复杂类型的问题，比如Q2和Q3，我们称之为多跳类问题，针对问题Q2，实际上需要先做query分解，分解为两个子问题，即【偷偷藏不住的作者是谁】和【难哄的作者是谁】，然后这两个子问题并行去做检索 7.大模型微调 快看作为二次元领域的龙头，积累了非常多的领域知识，因此也在尝试基于开源大模型进行微调，训练快看在二次元领域的垂直大模型。 自动多轮pk就是两个模型分别和角色深度聊N轮，N是随机的，聊完就换下一个角色，直到收集到300轮票数。经过验证，这套自动评测体系和人工pk结果是一致的。
82010编辑于 2024-07-31 - 来自专栏牛客网
巨人网络3面面经(游戏开发工程师)
3. tcp连接有多少种状态？怎样查看tcp连接状态？ 4. 写一个strcpy函数。 2面技术面： 1. 首先是自我介绍。 2. 把笔试题翻出来，再考考。 3. 熟悉c++第三方库吗？ 3面hr面： 1. 首先是自我介绍。 2. 然后hr介绍了一下待遇情况。 3. 最后就是聊天，现场给offer，要求月底之前寄三方。 总体来说感觉很不错，面试官的态度都很好，整个过程让人感到很放松。
1.5K60发布于 2018-04-28 YashanDB多活架构实现企业业务持续运营
为实现业务的持续稳定运行，多活架构逐渐成为主流选择。本文将围绕YashanDB多活架构的技术实现，深入探讨其体系架构、关键技术和优势，为企业构建高可用、高性能的数据库解决方案提供技术指导。 该架构提供多实例并发读写能力，具备高可用、高扩展和短时切换的优势，符合高端核心交易场景需求。 核心技术与功能多实例共享一致性访问机制共享集群通过全局资源目录（GRC）、全局缓存服务（GCS）和全局锁服务（GLS）协调多实例对数据页和非数据资源的访问，确保多实例对同一数据资源的并发访问保持强一致性 多实例间通过一致性哈希分配元数据，避免热点争用，提升并发吞吐能力。 未来，伴随数据规模激增和业务多样化，持续优化的多活架构将成为数据库系统核心竞争力，驱动企业业务持续稳定运营，促进数字化转型深入发展。
24710编辑于 2025-08-18- 来自专栏粽子的深度学习笔记
mmdetectionmmdetection3d多机多卡训练
因为3d检测训练时间太久，所以想要在mmdet3d上开多机，发现加载完标注文件pkl/json之后，卡住了，找到如下报错 其中有个warning ：using best-guess GPU, "| grep v >/dev/null && echo $i ; done; > /dev/null" ) os.environ["NCCL_IB_GID_INDEX"] = "3"
1.6K10编辑于 2022-09-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号