- 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。 管家效能与激励错位： 意愿低： 市场化零售并非管家主营核心业务，因激励不足、产品不好卖，导致终端推广积极性低。 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。 Encoder-Decoder文本 文本 指令微调任务、seq2seq LLaMA Decoder-Only 文本 文本 LLM 训练、文本生成 GPT-4 Decoder-Only 文本/多模态文本/多模态大规模 LLM、通用生成 PaLM Decoder-Only 文本 文本 LLM 训练、文本生成 MiniGPT-4 Encoder-Decoder图像+文本 文本 多模态生成、问答 Transformer的核心内容还包括：① 位置编码② 多头注意力机制 为了进一步解决模型外推问题，面试官可能会进一步问你其他类型的位置编码，例如： 4.
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？ 4. 为什么只有80%被替换为MASK，而不是全部下游任务的输入从来没有 [MASK]。
69130编辑于 2025-11-16 - 来自专栏面试经验贴
4 Zoom面经(含答案)
[leetcode链表系列]4 合并有序链表 还有什么可以问我的吗？ 这个问题一般来说会有下文，只要不问一些敏感话题就行了，比如可以问问对于应届生的培养等。 4) 客户端收到伪造的公钥后，生成加密hash值发给服务器。 5) 中间人获得加密hash值，用自己的私钥解密获得真秘钥。同时生成假的加密hash值，发给服务器。 总结 这次面试同样基本上从简历出发+公司业务特点出发。 所以面之前了解了解公司相关业务(一点点也行，说明你是用心的)，对自己简历上的东西一定不能弄虚作假。另外请记下以下几点: 公司招你去是干活了，不会因为你怎么怎么的而降低对你的要求标准。 一定要多尝试。 参考链接： http://www.redis.cn/ http://kafka.apache.org/ https://www.nowcoder.com/discuss/150059?
3.6K10发布于 2020-06-05 - 来自专栏AVAJ
面试java后端面经_4
开发过一些项目，在学校也曾考取过相关的证书，获得过一些比赛的奖，大学期间还担任过课代表，由于毕业将近，本人决定踏上社会道路，因此在牛客平台看到贵公司的招聘，在此之前也曾在网上了解过贵公司（不要去问公司业务 ReetrantReadWriteLock 涉及到可重入锁、获取锁的顺序（公平非公平）、锁升级（不支持）、锁降级（支持）、读操作是线程共享、读写和写写操作是互斥、效率高于Synchronized） 4
52030发布于 2019-08-20 - 来自专栏牛客网
美团JAVA开发4面面经
——《银魂》 美团大零售事业群 4个小时 3面技术+hr面 下午4点到8点半结束 一面 1.小数是怎么存的 2.算法题：N二进制有多少个1 3.Linux命令（不熟悉 4.JVM垃圾回收算法 5.C或者伪代码实现复制算法 12.redis用了哪些 12.持久化和复制 13.git 14.聊一聊实验室项目 13.有哪些offer 二面 1.讲讲实习时候做的项目 2.redis巴拉巴拉 3.redis能做哪些（应用场景） 4. mysql隔离级别 5.脏读幻读不可重复读 6.事务 7.volatile 8锁 9.AOP聊一下 聊应用场景 10.自己设计一个唯一主键，多实例数据库表中ID唯一 11.缓存伪共享 12消息中间件应用场景 BIO NIO，读的时候操作系统做了啥，当前线程在干嘛（项目中的） 4.接着聊项目 UUID放cookie弊端（怎么解决？ 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
58220发布于 2018-09-20 - 来自专栏牛客网
多益网络2019提前批面经
，要买4斤醋，但要在4斤的醋瓶和5斤的醋瓶中各装2斤醋，请问仅利用两个醋桶和两个醋瓶能否满足小孩的要求？ 4. 你认为B端和C端产品有什么不同，这两者之间哪个更有发展市场？ 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。 4 acceptor接收线程负责接收tcp请求，并且注册任务到队列里。 11倒排索引了解么，我说不了解。 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。 4 Tomcat的类加载器了解么，回答不了解只了解Java的类加载器。 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 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。 对于初创企业或小业务，优先选择单机部署，通过Schema逻辑隔离满足多租户需求。对于中型企业，建议使用分布式部署，在保证高可用性的同时提升性能。 在多租户环境的构建中，企业可以根据实际业务需求灵活选择部署方式，以增强数据处理能力与成本效益，持续推进企业的数字化转型进程。
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
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 # [B, H, L, Dh] # （如果你已经实现了 RoPE，可以在这里对 q/k 做一次 rotary_embedding） # 4. out.transpose(1, 2).contiguous().view(B, L, self.d_model) out = self.w_o(out) return out四、面经
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）
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？在创新班学到什么？ 2018-5-31 补招 上午一面 下午二面(电话面) 4月中旬的时候，我已经放弃春招了，投了很多公司，很多简历过不了，能面试的就几家，拉勾和实习僧上投的全部没有反应，所以我当时就不投了，心灰意冷，复习准备秋招
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
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。 ，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、autoruns查看开机运行的程序 4、
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. 然后给它解释那些会的 4. 结果面试官不满意，让用归并的思 想做，时间复杂度其实更高了 4. 介绍网络编程 涂鸦移动 一面（现场） 1. 自我介绍 2. 项目介绍 3. 数据库的索引原理 4. 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
多业务：首页的访问量较大(千万级别pv)，如何把流量分配给不同的业务就很关键。 推荐感知：虽然用户的目标单一，但是如何做到推荐结果的多样性就需要对其优化。 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？ 兴趣策略 这个优化主要针对第一个挑战：强兴趣下的多业务融合。 常见的推荐系统，如新闻推荐、视频推荐、商品推荐等都是要先建立用户和商品之间的联系，然后通过适当的算法进行匹配。 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 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 快看增长业务问答数据：由标题、答案、背景知识等组成的正文。 4.重排模块 Rerank重排模块还是很有必要的，重排和召回所关注的目标不一样，召回重点是在topk中能把真实相关的doc给捞出来，而重排则需要把真实相关的doc排在前面，同时减少topk的数量。 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 - 来自专栏老高的技术博客
typecho源代码解析4 - 业务逻辑
这篇我们就讲讲首页的业务逻辑，首先我们看看路由。 在此需要讲清楚，便于理解typecho的设计模式： 基类Typecho_Widget 该类位于var/Typecho/Widget.php，是var/Widget文件夹下所有类的基类，也就是说，几乎所有与业务有关的功能
40020编辑于 2022-12-28 - 来自专栏ytkah
GPT-4多模态模型
GPT-4 模型是OpenAI开发的第四代大型语言模型（LLM），它将是一个多模态模型，会提供完全不同的可能性-例如文字转图像、音乐甚至视频。 在GPT-4之前是GPT-3.5，由该模型开发的聊天机器人 ChatGPT 一经面世，便引爆 AI 界的军备竞赛 多模态或成GPT-4最大亮点 微软 AI 技术专家 Holger Kenn 和 Clemens Sieber 对多模态 AI 的相关功能进行了介绍。 根据 Kenn 的说法，多模态 AI 不仅可以将文本转化成相应的图像、音乐甚至是视频。在微软宣布前，机器学习专家 Emil Wallner 就在推特上预测，称 GPT-4 可能具备这种能力。 GPT-4 GPT-4 模型是第四代大型语言模型（LLM），它将是一个多模态模型，会提供完全不同的可能性-例如文字转图像、音乐甚至视频。
1.7K31编辑于 2023-03-13
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