中国人寿数据中心2022年春季校园招聘

1.自我介绍2.论文拷打3.手撕题：（面试官已经不知道问啥了，让我先写个题，他再想想问什么）给定一个数组和k，问能不能把这数组换分成k份，每份的总和都相同。（想到问什么了）4.transformer的多头是如何划分的5.讲讲位置编码有哪些6.讲讲diffusion的原理，flow matching了解吗讲讲，ODE呢？（ODE是啥，可能没听清，反问了下ODE的全称 他说他也不清楚）（有可能是我听错了）7.Qwen Image-Edit讲讲（不知道，只用过）反问：1.业务2.手撕题的算法优化（我用的dfs+剪枝，面试官说应该可以用状压，不会）3.面试整体评价（面试官说字节大部分面试官看重聪明度+...

上周组里招人，我面了六个候选人，回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人，算法题写得都不错。第一道二分查找，五分钟之内给出解法，边界条件也处理得干净。第二道动态规划，状态转移方程写对了，空间复杂度也优化了一版。我翻他们的简历，力扣刷题量都在300以上。后三个呢，就有点参差不齐了。有的边界条件没处理好，有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生，我印象特别深——她拿到题之后没有马上写，而是先问我：“面试官，我能先跟你确认一下我对题目的理解吗？”然后她把自己的思路讲了一遍，虽然最后代码写得不是最优解，但整个沟通过程非常顺畅。这个女生的代码不是最优的，但当我问她“如果这里是线上环境，你会怎么设计’的时候，她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么？我自己的经历可能有点代表性。我当年校招的时候，也是刷了三百多道题才敢去面试。那时候大家都刷，你不刷就过不了笔试关。后来工作了，前三年基本没再打开过力扣。真正干活的时候，没人让你写反转链表，也没人让你手撕红黑树。更多的是：这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官，慢慢调整了自己的评判标准。算法题我还会出，但目的变了。我出算法题，不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候，是怎么思考的。你会先理清题意吗？你会主动问边界条件吗？你想不出来的时候会怎么办？你写出来的代码，变量命名乱不乱、结构清不清楚？这些才是工作中真正用得到的能力。LeetCode是一个工具，不是目的。它帮你熟悉数据结构和常见算法思路，这没问题。但如果你刷了三百道题，却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的，那这三百道题可能真的白刷了。所以还要不要刷LeetCode？要刷，但别只刷题。刷题的时候，多问自己几个为什么：为什么用这个数据结构？为什么这个解法比那个好？如果换个条件，解法还成立吗？把刷题当成锻炼思维的方式，而不是背答案的任务。毕竟面试官想看到的，从来不是一台背题机器，而是一个能解决问题的人。

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

 现在校招简历人人都想沾一点 AI，但大部分同学都陷入一个误区：没做过 AI 模型项目，就在自我评价硬写“精通大模型、熟悉深度学习”，夸张到业务熟练的HR都能一眼看出造假，然后技术面的面试官一问就GG。结合平时简历投递习惯：项目真实用到 AI 才写项目，没做 AI 项目绝不硬吹；AI 能力放在技能+自我评价，低调务实、有依据、不浮夸。技能栏是最安全稳妥的写法，不用夸大 AI 水平，而是写明熟练使用 AI 编程工具，掌握基础提示词用法，能够利用 AI 辅助编码、梳理逻辑、排查问题和整理文档，同时了解大模型基础应用逻辑，具备 AI 辅助开发的思维。项目经历严格遵循真实原则，只有实际接入过大模型 A...