2025年人工智能科技公司招聘面试题

2025年人工智能科技公司招聘面试题一、编程与算法题（共5题，每题10分，总分50分）题目1：字符串处理问题描述：给定一个字符串`s`，包含字母、数字和特殊字符。请实现一个函数`filter_string(s)`，返回一个新的字符串，其中只保留字母和数字，且所有字母均转换为小写。例如：`filter_string("aBc123!@#")`应返回`"abc123"`。要求：1.不能使用内置的字符串过滤函数（如`filter()`或正则表达式）。2.时间复杂度不超过O(n)。pythondeffilter_string(s):#请在此处编写代码pass答案：pythondeffilter_string(s):result=[]forcharins:ifchar.isalpha()orchar.isdigit():result.append(char.lower())return''.join(result)题目2：动态规划问题描述：给定一个正整数数组`nums`，其中每个元素代表从左到右的爬楼梯步数（1或2）。请计算共有多少种不同的爬法可以到达楼梯顶部。假设楼梯高度为`n`。要求：1.使用动态规划解决。2.空间复杂度优化至O(1)。pythondefclimb_stairs(nums,n):#请在此处编写代码pass答案：pythondefclimb_stairs(nums,n):ifn==0:return1dp=[0]*(n+1)dp[0]=1foriinrange(1,n+1):forstepinnums:ifi-step>=0:dp[i]+=dp[i-step]returndp[n]题目3：树与递归问题描述：实现一个二叉树的最大深度计算函数。给定一个二叉树根节点`root`，返回其最大深度。要求：1.使用递归方式实现。2.树节点定义如下：pythonclassTreeNode:def__init__(self,val=0,left=None,right=None):self.val=valself.left=leftself.right=rightpythondefmax_depth(root):#请在此处编写代码pass答案：pythondefmax_depth(root):ifnotroot:return0return1+max(max_depth(root.left),max_depth(root.right))题目4：堆与优先级队列问题描述：给定一个无序数组`nums`，请使用最小堆实现快速找到第K小的数。例如：`find_kth_smallest([3,2,1,5,6,4],2)`应返回`2`。要求：1.不能使用内置堆库（如`heapq`）。2.时间复杂度为O(nlogk)。pythondeffind_kth_smallest(nums,k):#请在此处编写代码pass答案：pythondeffind_kth_smallest(nums,k):defheapify(arr,n,i):smallest=il=2*i+1r=2*i+2ifl<nandarr[l]<arr[smallest]:smallest=lifr<nandarr[r]<arr[smallest]:smallest=rifsmallest!=i:arr[i],arr[smallest]=arr[smallest],arr[i]heapify(arr,n,smallest)n=len(nums)foriinrange(n//2-1,-1,-1):heapify(nums,n,i)foriinrange(n-1,n-k,-1):nums[0],nums[i]=nums[i],nums[0]heapify(nums,i,0)returnnums[n-k]题目5：图与广度优先搜索问题描述：给定一个无向图，用邻接表表示。请实现一个函数`connected_components(graph)`，返回图中连通分量的数量。要求：1.使用广度优先搜索（BFS）实现。2.图节点定义如下：pythonclassNode:def__init__(self,val):self.val=valself.neighbors=[]pythondefconnected_components(graph):#请在此处编写代码pass答案：pythondefconnected_components(graph):visited=set()count=0defbfs(node):queue=[node]whilequeue:current=queue.pop(0)forneighborincurrent.neighbors:ifneighbornotinvisited:visited.add(neighbor)queue.append(neighbor)fornodeingraph:ifnodenotinvisited:visited.add(node)bfs(node)count+=1returncount二、系统设计题（共3题，每题15分，总分45分）题目1：短链接系统设计问题描述：设计一个短链接系统（如tinyURL）。用户输入长链接，系统返回短链接；点击短链接后，解析为原始长链接并跳转。要求：1.短链接长度不超过6位（如`a1b2c3`）。2.支持高并发访问。3.描述主要数据结构和算法。答案要点：1.数据结构：-使用散列表（哈希表）存储`short_url`到`long_url`的映射。-使用计数器或自增ID生成短链接中的字符。-前缀树（Trie）优化短链接生成。2.算法：-将长链接哈希为固定长度的字符串（如SHA-256后取前6位）。-避免冲突：使用自增ID或随机码，冲突时重新生成。3.高并发：-使用Redis等内存数据库缓存热点链接。-分布式部署，负载均衡。题目2：实时推荐系统架构问题描述：设计一个实时商品推荐系统，用户浏览商品时，系统需在1秒内返回个性化推荐列表。要求：1.支持用户行为追踪（浏览、点击、购买）。2.推荐算法需考虑实时性、准确性和多样性。3.描述系统架构和关键技术。答案要点：1.系统架构：-数据采集层：Kafka收集用户行为日志。-处理层：Flink或SparkStreaming进行实时计算。-推荐引擎：矩阵分解（协同过滤）+实时特征加权。-缓存层：Redis存储热点推荐结果。-API层：Nginx负载均衡，GorillaDNS动态路由。2.算法：-实时更新用户画像（使用在线学习算法）。-结合上下文信息（如当前页面商品）调整推荐权重。-使用Lambda架构融合离线与实时推荐。3.性能优化：-降维处理：LDA主题模型压缩特征空间。-异步更新：推荐模型定期离线训练，实时接口使用旧模型。题目3：大规模图片存储服务问题描述：设计一个支持百万级用户上传和访问的图片存储服务。要求：1.支持图片分片上传（最大50MB）。2.提供图片处理功能（缩放、裁剪、水印）。3.描述系统架构和关键组件。答案要点：1.系统架构：-对象存储：MinIO/CloudflareStorage存储原始图片。-CDN：Cloudflare/AWSCloudFront加速访问。-图片处理：ImageMagick+VercelCloudflareWorkers动态处理。-元数据：PostgreSQL存储图片信息（分片、版本）。2.关键组件：-分片上传：断点续传协议（MultipartUpload）。-缓存策略：对热门图片生成静态缩略图。-版本控制：使用UUID命名规范，支持图片回滚。3.高可用：-多区域部署，跨AZ冗余。-主动/被动DNS切换，熔断器防雪崩。三、数据库与SQL题（共3题，每题10分，总分30分）题目1：用户行为分析问题描述：给定以下表结构，请查询每个用户的平均访问时长（单位：秒）。sqlCREATETABLEuser_actions(idINTPRIMARYKEY,user_idINT,action_timeTIMESTAMP,durationINT--单位：毫秒);要求：1.忽略空值数据。2.按用户ID分组排序。SQL查询：sql--请在此处编写SQL查询答案：sqlSELECTuser_id,AVG(duration/1000.0)ASavg_durationFROMuser_actionsWHEREdurationISNOTNULLGROUPBYuser_idORDERBYavg_durationDESC;题目2：订单统计问题描述：给定以下表结构，请查询每个城市的订单总数和总金额。sqlCREATETABLEorders(idINTPRIMARYKEY,cityVARCHAR(20),amountDECIMAL(10,2));要求：1.忽略NULL值城市。2.按金额降序排列。SQL查询：sql--请在此处编写SQL查询答案：sqlSELECTcity,COUNT(*)ASorder_count,SUM(amount)AStotal_amountFROMordersWHEREcityISNOTNULLGROUPBYcityORDERBYtotal_amountDESC;题目3：复杂查询问题描述：给定以下表结构，请查询每个用户的活跃设备数（同一设备ID在同一天多次访问算作活跃）。sqlCREATETABLEdevice_logs(idINTPRIMARYKEY,user_idINT,device_idVARCHAR(20),visit_dateDATE);要求：1.活跃设备定义为同一天内多次访问。2.按用户ID分组。SQL查询：sql--请在此处编写SQL查询答案：sqlSELECTuser_id,COUNT(DISTINCTdevice_id)ASactive_devicesFROM(SELECTuser_id,device_id,visit_date,ROW_NUMBER()OVER(PARTITIONBYuser_id,device_id,DATE(visit_date)ORDERBYid)ASrnFROMdevice_logs)ASrankedWHERErn=1GROUPBYuser_id;四、综合应用题（共2题，每题15分，总分30分）题目1：自然语言处理场景设计问题描述：设计一个智能客服系统，能自动处理用户咨询并给出回复。假设用户输入为中文文本。要求：1.描述系统核心流程。2.列出至少3种常见场景及处理方式。答案要点：1.核心流程：-分词与实体识别：使用Jieba分词+StanfordCoreNLP命名实体识别。-意图分类：搭建BERT模型，训练分类器（如FAQ、投诉、查询）。-槽位填充：RNN+CRF识别关键信息（如订单号、产品名）。-回复生成：使用检索增强生成（Retrieval-AugmentedGeneration）结合BART。2.场景示例：-FAQ场景：-输入："我的快递到哪了？"→检索历史问答→回复："您的快递已派送至XX点。"-投诉场景：-输入："你们产品质量太差！"→槽位填充（产品名）→回复："非常抱歉，我们已记录您的反馈，将联系售后处理。"-查询场景：-输入："明天天气怎么样？"→调用外部API→回复："明天北京晴转多云，最高温度28℃。"题目2：机器学习工程实践问题描述：假设你需要将一个文本分类模型部署到生产环境，请描述主要步骤和考虑因素。要求：1.列出模型部署的5个关键步骤。2.说明如何监控模型性能。答案要点：1.部署步骤：-模型训练：使用HuggingFaceTransformers训练BERT模型，保存为ONNX格式。-API封装：使用Flask创建RESTful接口，加载ONNX模型。-容器化：Docker打包镜像，Kubernetes编排。-监控：Prometheus+Grafana记录QPS、延迟。-更新机制：A/B测试流量，自动冷启动新模型。2.性能监控：-指标：准确率、召回率、F1值（每日抽样评估）。-异常检测：使用ELK堆栈分析日志，发现错别字、重复请求。-反馈闭环：用户反馈触发模型再训练，使用SeldonCore自动更新。五、开放性问题（共1题，20分）题目1：AI伦理与工程挑战问题描述：请结合实际案例，谈谈AI公