字节一面是不是当天没得到二面通知就凉了

时隔一年再战字节 又是二面挂了😅 每次字节都是第一个面的 准备的确实也不太好。一面 1h左右 根据项目问的八股1. 介绍项目 事务消息在项目中是怎么用的2. 除了事务消息还有哪些实现分布式事务的方法 优缺点是什么3. 2PC 3PC的区别4. mysql执行一条插入语句的过程5. mysql中有哪些索引 分别用了什么数据结构实现的？ 比较各种数据结构6. 分布式事务和本地事务的区别？7. 队列怎么保证消息不丢失 不重复消费算法：实现一个类似于MVCC的数据结构 按不同时间戳保存数据的多个版本 询问时返回数据不超过timestamp的那个版本面试官经典问题：1. 为什么要用这个技术实现功能2. 这个技术和其他相似技术的区别是什么 还知道哪些其他技术3. 技术的底层原理感觉面试的核心就是这三个问题二面 1h左右1. 智能指针介绍一下 什么时候用原始指针好？2. 深拷贝 浅拷贝3. 平时怎么用AI辅助编程的 有什么经验吗？4. 实习过程中做完一个项目有没有总结可复用的内容5. 了解大模型评测吗 怎么评测的？怎么评估一个测试集的质量？6. 有了解AI前沿的技术吗算法题：判断二维平面上3点能否构成三角形 主要考虑优化double的精度问题 这题我直接用叉积 但是面试官说的精度不够 我后来又问豆包 给的答案和我一样 不知道面试官想要什么答案。反问：1. 有哪些不足？ 技术上还行 但是对于AI的理解比较欠缺。

1. 你做的 Agent 项目整体架构是什么？答：一个比较完整的 Agent 架构一般包括四层：用户输入层、规划决策层、工具执行层、结果整合层。用户输入进来后，先做意图识别和上下文整理，再由大模型决定是直接回答、检索知识、还是调用工具。工具层可能包括搜索、数据库查询、知识库检索、接口调用、代码执行等。工具返回结果后，再交给模型做总结、归因和最终输出。如果是生产环境，还会多一层治理能力，比如权限校验、超时控制、重试、日志、观测、敏感内容拦截。Agent 和普通问答最大的区别，就是它不是单纯生成文本，而是“模型负责决策，外部系统负责拿真实信息，最后再由模型组织答案”。2. Agent 为什么不等于...

求各位佬给出日常实习的offer建议：1.面壁智能，基模组纯文本方向，岗位jd上写着做数据构建和微调2.百度，做gui agent中RL算法的一些尝试，比如GRPO和GRPO的变体，找一些更好的训练策略，但是面试官说可能会有一部分时间去做模型训练框架的魔改方面的工作，为了探索多卡训练的稳定性，这个岗位叫大模型研发实习生比较纠结的点是觉得基模组能接触到更多的东西，并且以后自己的bg可能接触不到基模组了，不知道去基模组干完再去业务组会不会更容易。百度这边会做很多强化学习算法，自己以前没怎么系统学习训练过想请教下各位佬有什么建议

1. 你怎么理解 Agent，和普通大模型问答最大的区别是什么？答：普通大模型问答更像是“你问我答”，核心是根据上下文生成一段自然语言。Agent 不一样，它更像一个会做事的系统，除了生成文字，还要能理解任务、拆解步骤、调用工具、读外部信息、根据执行结果继续往下走。所以 Agent 的重点不是“模型会不会说”，而是“模型能不能在复杂任务里做对决策”。比如普通问答模型适合解释概念，Agent 更适合处理像“帮我查一下某个信息，再结合文档输出结论，最后按固定格式返回”这种任务。如果放到手机或系统场景里，Agent 往往还要接系统能力、应用能力和设备能力，这就不再只是聊天了。2. 你如果做一个手机端...