offer A：药明生物，可base老家，某苏南城市，年包32w（这薪资在我来家很可以了），工作时间早9晚5点30，中午休息一小时，每天餐补25元，面试时告知是项目制，也不是很懂怎么算项目制offer B：Bybit，全球前三的交易所，base吉隆坡 必须出海，年包100w，了解到的工作时间大约早10晚8点30（除非自己要卷），中午休息两小时，晚上约一小时，每天餐补40马币，给每个程序员都配了claude code尽管用bg：211本硕，三年+国内互联网大厂经验我自己思考了下，可以说药明生物除了在老家，没有任何优势，但是就这一点就足够牵绊住我了，所以我现在就很纠结，一边是出海的高薪工作，一边是...

双非要怎么才能找到工作😰好焦虑😭😭😭😭

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

前30min自我介绍+项目经历。ps:项目经历感觉没问很深的细节，也没拷打，就看我简历的技术栈来问的（看你这边写熟练mysql，那巴拉巴拉，看你熟练http，tcp，那巴拉巴拉）。agent项目细节一个没问。项目部分问题：1.你这些是实习项目吗？（我说找的然后自己做优化）2.你这个里面为什么用Lua脚本？3.redis那个服务端，怎么保证这个原子性的？4.redis的实现架构上，比如说他的线程模型，进程模型，以及他的并发角度，来解释一下他的原子性。5.redis的持久化策略？为什么两个都用？6.我看你用了一个令牌桶+滑动窗口双算法限流，这个地方能简单描述一下调研了哪些限流方案？，或者你了解哪些...

简历如下 大家觉得有机会冲一下暑期offer吗，目前还没有面试经验，项目做的很水，还没开始背八股😅

由于楼主技术栈的原因，加上好高骛远，不想做笔试，所以基本上没怎么投暑期，手、团这类公司是技术栈差别，阿里等其他公司卡学历，腾讯在职投不了其他部门。所以最终只投了字节，年前接到飞书面试，年前没时间面，约到年后2.26 飞书一面3.02 飞书二面3.03 挂3.12 HR电话约面3.17 广告一面3.24 广告二面3.27 挂之前还被其他同学说运气好，两次面的部门技术面都是只有两面，但都是倒在二面了，而且都是聊的不错，但还是被挂了。暂时在这边好好呆着吧，过了冷静期，等其他佬拿完offer我再投字节

敢问哪家大厂能在工位这件事上打过百度？L 型大工位真的太犯规了东西随便铺开、灵感随时落地这种自由感，谁能不心动啊🥹不服来战💪

今天给大家带一个非常适合跟练的 Agent 项目——agents-from-scratch，LangChain 官方出品，手把手教你从零搭建一个能自动处理邮件的 AI Agent。 项目不大，代码量适中，但覆盖了 Agent 开发的所有核心概念。跟着做完，面试直接聊这个项目就够了。 这个项目做了什么？ 一句话：一个能帮你自动分类、回复邮件的 AI Agent。 它会：  自动分类收到的邮件（需要回复 / 仅通知 / 垃圾邮件） 根据邮件内容起草回复 敏感操作（比如发送重要邮件）会先让你人工确认 会记住你的偏好（比如"给老板的邮件用正式语气"），越用越懂你  技术栈 Lang...

我想带红围脖，快点约我HR面吧伟大的鹅。我的暑期只剩你了😭😭😭😭😭

一面redis 的常见操作java 创建线程的方式线程池参数:核心线程数的合理数量?实际生产如何调整?Java 创建线程池如何创建?有哪些方法？事务管理：有用过 Spring 事务吗？一般怎么使用？（@Transactional）什么情况下会导致事务失效？事务的传播机制有哪些？实习无手撕二面二面主要我问了实习，聊了聊性格30min左右后续：二面挂，当时面试官还说祝我后续流程顺利，我服了

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

时长30分钟1.自我介绍2.项目拷问一些工作细节3.用过的设计模式，单例模式考察到底，双重检查锁作用，还有静态内部类4.线程创建方式5.Runnable和Callable区别6.String、StringBuilder，StringBuffer6.HashMap一堆7.AI的使用和未来AI的看法8.工作地点的选择英语水平反问：规模和业务 主要车机开发的安卓开发新人进去后的挑战/问题AI看法AI对整个行业冲击力度还是有点大的，目前还不是能够全部替代，还是一个辅助功能，可能未来能全部替代吧，谁也说不准。对于求职的我们的要求进一步加深，学历+技术+实习+软实力==offer++；

1. 说一下 SFT、RLHF、DPO 的区别，线上项目里你会怎么选？答：SFT 是监督微调，核心是让模型学会“像人一样回答”，训练数据一般是 prompt-response 对，优点是简单直接、稳定、成本低，适合把基座模型先拉到业务可用水平。RLHF 是先做 SFT，再训练奖励模型，然后通过 PPO 之类的方法让模型朝着“人类更偏好”的方向优化。优点是能更细致地对齐人类偏好，缺点是链路长、训练复杂、容易不稳定。DPO 可以理解成不显式训练奖励模型、也不走复杂强化学习，而是直接利用偏好对做优化，训练上比 RLHF 更简单，效果在很多场景下也不错。如果是企业大模型应用，通常优先级往往是 SFT ...

本硕 2，比较焦虑，代码能力很一般，全是 Cursor 和 CC 写的，想往运维测试方面靠，投了挺多家都没什么消息，能指导一下吗😭😭😭，很多知识都很欠缺，焦虑 ing