没有回答好的问题，尝试在这里重新输出优化，同时也欢迎前辈指导。努力养成自己输出的习惯，而不是一味地被动输入。NEVER TOO LATE
【业务层面】
Q1：规则制定，当各方有歧义的时候应该怎么办？
首先，我会寻找几方共同的利益。跟对方仔细沟通各自的业务目标，KPI，OKR等内容，争取找到各方利益重合的部分，以此来达到双赢或者是多赢的目的，其次：如果找不到利益重合点，对方也不想配合的话，我会尝试找一个在我们中间都能说的上话，比较有话语权的人，帮忙中间协调一下，这样事情就会比较好推动一些，彼此的冲突也能缓和不少。（注tips：把问题升级到对方的老板，解决对方的老板，从上推下来解决，这是最差的办法，最好别用！）
Q2：如何发现潜在问题？
一般我会通过风险水位的变化来定位问题，比如看投诉举报渗透率，社区里用户行为/发布内容、关系等聚集特征，突然大规模集中讨论刷屏，异常的互动频率
另外，通过内部的舆情监控、人工审核巡查环节都能发现站内潜在的风险问题。
Q3：如何把规则写得清楚明了，没有歧义的？
考察点：这个问题实际上问的很泛，能说的角度很多，可以从规则的制定环节、定义规则、效果验证三部分来说。
首先，在制定规则的环节上。我会明确需求和业务目标。其次，结合消费数据、投诉举报率、抽样case，来综合分析内容当前的风险表现，然后，收集一线团队和其他相关方的意见。并且，根据各方意见制定不同处理程度的几种方案。最后，拉老板对齐，确定投入力度和优先级。
另外，在定义规则的时候，通过对内容进行定义，添加具体描述特征、举例，并写明对风险点的干预手段、应对策略。这样一般就能写出一个清晰明了的规则。
最后，规则通过上线后进行效果验证，通过看风险水位的变化、各方反馈情况，包括用户侧、平台（客服+运营侧），来判断当前规则是否有效，业务流程是否顺畅、是否达成了预期目标。过程中通过不断优化内部培训机制和流程体系，来不断完善规则。包括建立奖惩机制、操作失误的人员加强培训、优化人员素质/ 机器模型迭代，使得规则在执行时越来越规范化。
Q4：平时如何和技术那边沟通的？
考察点：是否有和技术侧模型相关的沟通经验。
一般我是根据业务需要，根据业务需要达到的效果，然后去找技术产品那边协助，帮助我达成效果。过程中模型的指标效果：准召如何，是否能正式投入使用是由我这边来把控，具体的执行过程是由技术产品那边来做，如果模型不打标，我会想办法再去找一些优质的样本给到技术那边，让模型训练的更好，使其达到效果指标。
Q5：你认为AI大模型如何更好地应用到现在的规则当中
考察点：对AI治理的了解与观察
目前AI治理还处在发展的早期，但随着AI技术的不断快速发展，相应的防控手段肯定会随之增加。
目前各互联网平台的AI治理动作：要求创作者明确标注AI生成内容，以便用户区分虚拟与真实；禁止用AI技术发布侵权违规内容；整治利用AI换脸、AI绘图等手段传播有害信息、减少AI生成低质内容的曝光。
可以做的：算法技术侧，加大AI模型识别的研发投入，提升对AI内容的识别能力。
规则方面，进一步细化机审和人审审核规则，从严审核处置不良视频。
【个人感受复盘】
1、 反驳或者补充对方的理解。时间太紧张了，一紧张脑子就跟不上，明知道面试官想听到的答案远不止于此，脑子里知道该再说些什么，但是具体该说什么反应不过来，脑袋空空，嘴也就跟不上，只好下意识地附和对方的回答，下次一定要反驳或者补充对方的理解。
2、 用自己的话练习QA，理解通顺，不必逐字较真。只要大体理解，脑子里有框架就可以。虽然这次面试准备得很详细，但是自己的脑子里还是缺少框架，留在脑子里印象太少了，说到底，还是没有真吸收。
3、注重平时的积累，很重要。虽然平时看不出来，但是一面试，从你的谈吐也能多少看出来（除非特别会演，当然特别会演，本身就是一种能力的体现）。软性素质往往从与你的交谈中流露出来，即使你为自己狡辩，平时的自己比面试好上千倍，但是面试的好与不好，这也是一个人是否具备某方面能力的一个体现，如果总是面试不好，虽然无法评判你这个人如何，但是至少说明你的面试能力还是不足的，还需要加强。加油吧。
