腾讯深圳产品暑期实习开始捞人了没啊

请先做个自我介绍。   在实习项目中，有用 AI 辅助 coding 吗？   实习项目相关（占大约一半面试）   无锁队列的实现原理是什么？对比其他队列的优势和劣势？为什么不是所有场景都用无锁队列？   锁的种类有哪些？各自的使用场景？   TCP 保证可靠传输的机制有哪些？   能讲一下 TCP 连接的状态机流转过程吗？  一、连接建立（三次握手） 假设客户端主动发起连接，服务器被动监听。    步骤 客户端状态变化 服务端状态变化     初始 CLOSED LISTEN（监听端口）   1. 客户端发送 SYN SYN_SENT –   2. 服务端收到 SYN，回复 SYN+ACK ...

ClaudeCode是真好用啊，谁懂啊不知道ClaudeCode 为什么这么恨老中

差点把线上搞崩那次，到现在想起来手心还会出汗。实习第六周，我改了一个配置参数。自测过了，跑了几个case没问题，心想这么小的改动走什么灰度啊，直接上呗。提交MR的时候mentor拦住了我，说走灰度。我当时内心是翻白眼的——至于吗？灰度放了1%的量，五分钟之后监控开始报警。我改的那个阈值，影响了下游一个缓存服务的淘汰策略。我看着监控面板上那条飞起来的红线，感觉自己的血也凉了。mentor倒是很淡定，一键回滚，然后跟我说：这个接口日调用量几千万。如果刚才全量上了，你今天就可以体验什么叫P0事故复盘了。那一刻我是真的怕了。不是怕被骂，是怕影响真实的用户。之前在小厂实习，出了bug重启一下就好了，DAU才几千，没人在意。但大厂不一样，你敲的每一行代码背后都是真实的人在用。从那以后我再也没有跳过任何一个流程。你说大厂的流程烦不烦？烦。但被流程保护过一次之后，你会真心感激这份烦。感谢我师，就我🐶命

5.16 三面结束 我看粉丝投稿的4.21 一面的 二面过完5.11. 自我介绍2. 怎么理解深度学习损失函数中的最大似然估计 MLE？答案：最大似然估计的目标是找到一组模型参数，让观测到的数据在当前模型下出现的概率最大。深度学习里的分类任务通常把模型输出看成条件概率分布 p(y|x; θ)，训练时希望真实类别的概率越大越好。实际优化时通常不会直接最大化似然，而是最大化对数似然，或者等价地最小化负对数似然。交叉熵损失本质上就是负对数似然。比如多分类中，真实标签是第 y 类，模型对这一类预测概率是 p_y，loss 就是 -log(p_y)。预测越自信且正确，loss 越小；预测越错，loss ...