学计算机，我可能不用去互联网卷了

1. 请做一下自我介绍，说说你的教育背景、参与过的赛事以及实习经历。2. 你参与的AI项目（综合型工单助手系统）具体包含哪些AI组件？3. 你在AI项目中，如何将原耦合模块拆分，降低冗余？4. 该项目采用的Model-RAG流程，具体分为哪几个阶段？每个阶段的核心工作是什么？5. 数据分析Agent输出的结构化报表是什么格式？包含哪些核心指标？6. 下游工位分配Agent与数据分析Agent的输出结果有什么关联？若字段缺失会有什么影响？7. 项目中如何进行准确率校验？准确率阈值设定为多少？未达标的情况下如何处理？8. 校验规则如何导入？本质上属于静态规则还是动态规则？9. 针对工艺规则频繁变化的问题，你设计了怎样的解决方案？如何支持规则的可配置？10. 大模型在整个项目流程中主要承担什么作用？当用户需求复杂时，如何处理？11. 当模型提取结果与人工规则冲突时，以哪个为准？为什么这样设计？12. 模型与人工规则冲突的情况，会如何记录和监控？如何定位问题并优化？13. 项目中的增强检索（RAG）链路具体是什么？包含哪些关键环节？14. 为了抑制模型幻觉，你在检索结果返回时做了哪些优化措施？15. HyDE在项目中是如何应用的？主要用于哪个环节？16. HyDE应用过程中存在什么风险？如何应对？17. MQE与HyDE的核心区别是什么？分别能解决什么问题？18. 你在XX公司实习期间，独立负责的智能数据分析和工位分配两个模块，具体做了哪些工作？19. 实习岗位的基础要求有。。。。，你如何满足这些要求？20. 在代码修复、Bug定位及MR提交等研发协作任务中，有哪些实际经验？

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...

uu们，有消息嘛，我4.30二面，到现在还没有推进哎，官网显示面试，除去五一假期已经过去6个工作日了，什么时候才会进行下一步呀？

25min，无八股，无手撕1. 自我介绍2. 硕士研究方向和课题3. 绩点排名（是否考研）4. 项目考察5. ai应用6. 对科大讯飞的认识7. 职业规划主要还是聊天的形式，面试官很随和，但似乎赶时间的样子不过科大讯飞很重视学校表现，对于课程、科研、绩点都很关注更新：已挂