双9硕士48场暑期面试血泪总结:传统后端已死,赶紧转行大模型

个人情况

BG:26届本硕双9,两篇CCF-C(很水),Java后端

实习面试情况

  • 腾讯8️⃣面:ieg 1面,cdg 1面,wxg 1面,csig 1面, teg 2面,腾讯音乐2面

腾讯至今仍然未能进入3面,腾讯面试难度部门差异极大,wxg一面直接跪了,上来三道题,有一道涉及到贝叶斯概率,teg相对就简单很多,但即使是算法手撕出来,优化也撕出来的情况下,teg二面仍然是挂。腾讯音乐1面相当基础温和,二面的时候抓住大模型和深度学习狠狠问,一点后端没问,仍然不理解面后台开发岗问的全是算法原理意义何在,遂挂。腾讯秋招再战了。

  • 阿里云9️⃣面:可观测3面 弹性计算1面 云网络3面+hr面+换部门1面 oc

阿里云提前批面了可观测的3轮,弹性计算的1轮以及云网络的2轮。开系统后填了云网络为第一志愿。一轮终面+hr面后结束。意向前打电话说可以选base,选杭州后说组里不在杭州需要换部门加面,遂加面后oc。

阿里云的面试周期属实是太长,第一场从2.19号开始,直到4.8才收到意向,但阿里系的面试强度总体上来说很温和,个人觉得难度是要比其他厂低很多的。

  • 淘天1️⃣面 :业务技术1面 其余志愿简历秒流转秒挂

淘天在面天猫业务技术一面之后面试官说 “你的基础不错,好好准备二面”。但是一周之后再看挂了。。简历流转到其他志愿后都是秒流转秒挂,个人觉得可能和笔试有关,淘天笔试只a了一道,第二题测试用例都通过,但是提交就是爆0,这份笔试成绩似乎会沿用到秋招,校招应该是真无缘淘天了

  • 百度5️⃣面 :度小满3面oc 百度大模型后端2面

度小满面试强度中规中矩,问题和算法都比较基础。但是oc的太早了,2月末的时候已经oc了,只能拒掉了。后续3月底的时候投了百度大模型后端,1面仍然是正常的后端问题,2面开始抽象,又开始问一些深度学习和算法。。和腾讯音乐二面殊途同归了,后续无消息

  • 微软2️⃣面

之前有在微软实习过,个人是不太考虑暑期实习和秋招去微软的,一方面是成长性和政策的问题,一方面是技术栈与国内互联网过分脱节的问题。微软面试是基本🈚️八股的,面试相较国内互联网简单很多。二面时候算法题并不太常规,在面试官提示下写出来了,二面之后没有消息。

  • 美团4️⃣面:酒旅2面 内容生产2面 oc

酒旅业务是很好的业务,C端和B端都涉及,和一面面试官聊的很好,但是二面的时候女面试官似乎并不太能抓住自己简历里的重点,自己反复解释之后仍然不明白自己的项目,后续是3道题,一道sql,一道判断,一道算法。只A了算法题,sql和判断没有写出来,遂挂

内容生产B端为主,两轮面试基本上会围绕稳定性建设方面聊的多一些,二面面试官同样对大模型很感兴趣,聊了很多function call,MCP之类的东西,最后写题也是想看我怎么来使用大模型编程写一个小项目,总体比较愉快,后续oc

  • 作业帮1️⃣面

是二月初投的用来练手的,初期可能准备不太充分,遂挂

  • 虾皮2️⃣面

也是初期投的用来练手的,每一轮都是上来先做一道题,题并不常规,是和他们的搜索业务有关的场景题,第二轮面试没有做出来,遂挂

  • 字节5️⃣面:豆包3面 飞书2面

豆包是flow部门下的组,这个组目前看来发展很好,是很有前景的一个组。也是自己最想去的组。面试强度很大,问的东西很底层,二面之后通知通过,约三面,但hr说是二面面试官对我基础不放心,加面的一场,也就是说如果顺利通过的话实习就要五轮面试(4轮技术面+hr面)。三面在我自己看来仍然是正常发挥,可以答上80-90%的问题,算法题a了。但还是挂了,秋招再战!

飞书是做视频会议的组,面试强度要比豆包低很多,但二面之后也没有消息了。

  • 快手1️⃣面

是做内部ai工具的组,个人感觉并不是很核心,1面之后主动结束掉了。

  • 爱奇艺1️⃣面

是做大数据平台的后端,面试较轻松,常规八股和题,1面之后没有消息。

  • MiniMax1️⃣面

面试官问的问题很抽象,也很不耐烦,虽然算法a了,但是感觉和面试官相当不契合,2天后收到感谢信。

  • 爱学习1️⃣面

这个暑期实习以来最想喷的一个公司。女面试官非常不尊重人,也非常喜欢羞辱人,非常像吃到了时代红利的初中中年副科女老师,异常傲慢。中间随意出去打电话,羞辱实习过分简单,羞辱代码水平差,各种羞辱。面试中间已经不想说话了,保持微笑都会被骂。之前有专门写一篇文章来讲,后续发现至少有两个同学和我遇到的是同一个面试官,也是经历了相同的羞辱,但是hr态度是很好的,疯狂和我道歉和处理,个人觉得有些面试官是真的不配当面试官,无论是水平还是人品。

  • 蚂蚁2️⃣面

一面沿袭了阿里系面试温和的传统,更多是在交流,但能感觉到面试官水平还是很高的,思维很灵活。二面的时候是超级计算部门的面试官来面,部门以底层的东西为主,更多是cpp,但不知道为什么会来面我闸瓦仔,只能聊一些语言之外的东西,面试官很想问底层,但是问不了,双方做的东西太错峰了。。。 二面之后仍然在等hr面,依然在流程中

  • 京东2️⃣面

京东面试的部门是京东云的隐私计算部门,一面面试官更多是在了解自己的基本情况,包括后端和算法的理解,2面面也是比较温和,聊天为主,但个人觉得可能是kpi或者部门还是想要既懂开发又懂算法的同学,一周后挂

  • 饿了么2️⃣面+hr面 oc

饿了么2面仍然无算法,更多是围绕项目讨论,难度中规中矩,是做toC的业务,涉及到三高。

总结

个人并不太建议再入传统互联网后端了,如果有算法背景可以尽量做算法。大模型或者其他算法方向无论是面试难度还是机会还是起薪,都要优于传统后端。甚至目前后端引以为傲的的hc都并不一定有算法多。

时代滚滚向前,当一个新方向产生的时候,是供小于求的,这种情况下机遇是很大的,上车难度是很低的,错过之后是很难再在恰当的时机再有的。后端目前的面试个人觉得是很畸形的,对源码的拷打也好,对coding难度的一再拔高也好,本质上还是供远大于求,优中选优,甚至在面试时候会搬出机器学习、深度学习和LLM的东西来问。反观供远小于求的客户端方向,面试相较要温和很多,完全接受无相关基础直接转。个人觉得,顺势而为才是最应该去做的。

面试官的能力和风格差异极大,有的只问基础,有的只考察你的思维是否够敏捷。有的会很容易就理解你实习中做的工作,哪怕他之间并没有做过。有的哪怕你反复解释仍然没有办法让对方get到。个人觉得自身能力是一方面,在面试中如何迅速抓住面试官性格和当前状态来让面试顺利推进是不亚于自身能力的另一方面。比如很多面试其实对于面试官来说是额外的任务,抽出时间面试对自己并没有什么好处,很多时候处于疲惫的状态,能迅速的通过一些点让面试官感兴趣或者和自己产生沟通的欲望是很重要的一件事。因为很多时候,良性的沟通是能让人恢复精力的方法。比如在你经历一场愉快的面试后,会有放松愉悦的感觉,但当一场处处回答不上来的面试后,人的状态也只会变差。对于面试官亦是如此。#牛客AI配图神器#

全部评论
985 爷您们去都去做大模型好不好,把 Java 让给我们二本吧,我们压根没有条件学大模型
18 回复 分享
发布于 04-12 11:11 广东
双9找后端实习应该不难吧,选后端还是大模型纯属个人兴趣,企业大模型相关岗位大部分也就是开发相关,做做模型微调,个人觉得并没有很高的技术壁垒,而门槛比较高的基座模型有一些很厉害的博士或者顶尖硕士去做就够了,没有什么大模型就优于后端这种说法,面后端时也会被问到大模型,算法相关,我觉得这更多反应现在业务端也需要结合大模型。
5 回复 分享
发布于 04-16 19:00 江苏
思路清晰,全靠认知做选择
5 回复 分享
发布于 04-11 18:02 湖南
哥们,像我们这样没有论文的怎么入局大模型,课题组也不是做大模型的,单靠个人的力量我感觉太难了
2 回复 分享
发布于 04-13 11:04 陕西
大模型会不会出现暑期实习bar低,秋招巨难的情况呢,以前的算法有出现过这种情况,比如25届的aigc,很迷。
2 回复 分享
发布于 04-11 20:13 北京
agent客户端的开发建议去吗 暑期实习到底是去后端还是大模型客户端
1 回复 分享
发布于 05-08 09:26 湖南
佬,实验室现在的方向是大模型垂直应用而不是做算法,研究生期间也发不了论文。之前实验室做过垂直应用的项目,但师兄们都去前后端了。现在就是在大模型开发和后端之间怎么选
1 回复 分享
发布于 04-22 16:33 湖北
后端已死,八面大厂无望,决定转战llm
1 回复 分享
发布于 04-16 16:44 辽宁
唉,课题组太拉了,自学大模型学得不咋地,感觉根本打不过啊,结果弄得后端也没搞好
1 回复 分享
发布于 04-14 01:01 浙江
佬,双非本,985 电子信息硕转大模型可行吗,本科学历不好,感觉也发不出论文,不懂转大模型能不能行,感觉最后还是得卷后端
点赞 回复 分享
发布于 04-20 11:54 辽宁
可观测实习过,感觉有点冷门,难得在网上看到可观测
点赞 回复 分享
发布于 04-18 19:19 辽宁
Java后端真是卷的一批啊,
点赞 回复 分享
发布于 04-17 00:26 广东
都知道大模型算法工资高,但是我这种普普通通一个双非硕士根本达不到门槛 只能老老实实去搞开发 求大佬指点
点赞 回复 分享
发布于 04-16 15:06 广东
mark
点赞 回复 分享
发布于 04-15 01:48 重庆
总结的太到位了 同感
点赞 回复 分享
发布于 04-14 08:50 陕西
收到
点赞 回复 分享
发布于 04-13 20:28 浙江
mark顺势而为
点赞 回复 分享
发布于 04-13 13:39 陕西
是啊,唉😮‍💨
点赞 回复 分享
发布于 04-12 20:58 广东
哥们觉得游戏行业怎么样(游戏服务端)
点赞 回复 分享
发布于 04-11 21:27 上海
我的妈呀,真的觉得后端已死,真就是大模型了
点赞 回复 分享
发布于 04-11 17:28 陕西

相关推荐

总结:面了一个小时,前半段问项目,后半段问八股,两道编程题。面试官很热情,介绍了半天他们的业务,像是在汇报哈哈哈哈。八股部分1.单例模式有用过吗,怎么实现的(不知道怎么实现)回答:用得比较多的地方是数据库连接池,全局只能有一个连接池,并且提供全局访问。以下是搜索结果:有五种经典的实现方式。第一种是饿汉式(线程安全)他在类加载的时候就立即初始化实例,使用场景是实例占用资源少,且频繁使用。第二种是懒汉式(非线程安全)延迟初始化,在使用的时候,如果没有这个实例才初始化,在多线程环境下会创建多个实例。第三种是线程安全懒汉式,通过synchronized保证线程安全,但性能差。(因为锁的粒度很粗)不建议高频调用。第四种是双重检查锁(DCL)。特点是延迟初始化,并且线程安全第五种是静态内部类(推荐)。特点是利用类加载机制保证线程安全,延迟初始化且无锁。2.JVM运行时数据区回答:有堆,栈,方法区。堆存储对象实例,数组;栈存储线程的调用栈帧;方法去存储对象信息和方法信息。3.事务ACID了解吗回答:原子性,持久性,一致性,隔离性。        1.原子性由undolog实现        2.隔离性由锁或者MVCC实现(吟唱一下隔离性的四个级别)        3.持久性由redolog实现        4.一致性由前三者一起保证实现。场景业务题1.在一个发优惠券的场景,我有一个10w行的用户数据表,要取出里面的用户信息放入模型中,返回优惠券的结果,(模拟用户领券的过程)。我需要做的是,验证这些数据是否满足一定的断言(例如面额超过50块,补贴力度过大)。由于一台机器的内存不足以存放这些数据,你有四台机器,请你设计一个批量请求的工具,以分布式的方式去跑这些数据,你会做那些设计?回答:我也没听太懂这些问题。以下是搜索结果。我将设计一个分布式批量处理工具来解决发券场景中的大数据验证问题,核心目标是实现高效分片处理、动态负载均衡、分布式断言校验和结果聚合。以下是详细设计方案:整体架构设计核心组件设计 1.分布式协调器(Coordinator)部署在Master节点,负责全局调度 2.工作节点(Worker)部署在4台工作机器,负责实际处理 3.断言验证引擎该设计可实现10w用户数据的分布式处理,核心优势:1. 横向扩展 :通过增加Worker节点可线性提升处理能力2. 故障容忍 :自动重试和检查点机制保证可靠性3. 资源优化 :流式处理避免内存溢出4. 实时监控 :全过程可视化跟踪2.饿了么的搜索功能,请你针对这个搜索功能写一些功能点。比如输入奶茶关键词,返回一些结果。回答:我只回答了搜索框不能为空,对返回结果进行排序等等。以下是搜索结果。1.搜索前引导功能a.热词推荐i.功能描述:搜索框下方动态展示当前商圈热门关键词(如奶茶,果茶)ii.奶茶示例:用户点击奶茶热词,直接跳转到相关商品列表页b.历史搜索i.功能描述 :根据用户过往搜索记录(如“芋泥奶茶”)生成个性化推荐。ii.数据支撑 :历史搜索订单转化率仅次于商家直达c.场景化引导i.功能描述​:分时段(早餐/下午茶)推送关联词(如下午茶时段优先显示“奶茶+甜品”组合)。d.语音/图像搜索i.​功能描述​:支持语音输入“奶茶”或拍摄奶茶图片触发搜索,系统自动转文字并匹配商品。2.关键词处理功能a.​智能纠错与联想​i.功能描述​:自动纠正拼写错误(如“奶车→奶茶”),并联想高频词(如“奶茶→珍珠奶茶”“芝士奶盖”)。ii.技术实现​:基于搜索日志构建纠错词库与拼音转换模型b.​同义词与品类扩展​i.​功能描述​:搜索“奶茶”时同步召回“果茶”“乳茶”等同品类商品。c.​意图识别​d.​功能描述​:i.若用户多次搜索“低卡奶茶”,优先展示低糖商品;ii.若搜索“奶茶+外卖速度”,则突出配送时效快的商家。3.搜索结果展示功能a.​多维度排序​i.​排序逻辑​:综合销量(70%)、评分(20%)、配送速度(10%)等权重生成列表。ii.​奶茶示例​:高销量“喜茶”排列在低销量小众品牌前。b.​分层筛选器​i.​筛选条件​:ii.价格区间(如“10-20元”);iii.口味(“芋泥”“黑糖”);iv.商家服务(“免配送费”“会员折扣”)。c.​商家直达与商品级搜索​i.​功能描述​:ii.输入“奈雪の茶”直接进入店铺页;iii.搜索“霸气葡萄”显示该单品而非全店商品。d.​商业化融合​i.​功能描述​:在结果页插入“奶茶排行榜”或限时优惠活动(如“第二杯半价”)。4.搜索后优化功能a.​个性化结果缓存​i.​功能描述​:用户多次搜索“奶茶”后,首页历史搜索栏固定显示该关键词。b.​搜索分析看板​c.​后台功能​:统计“奶茶”搜索量、点击率、转化率,指导商家优化菜品命名(如将“红茶拿铁”改为“鸳鸯奶茶”)。3.测试人员除了写测试用例之外,还要做那些事情?1.会参与需求的分析与测试策略制定a. 参与需求评审会议,分析需求的可测试性b. 指定测试计划2.测试设计和用例开发a.测试场景建模b.测试用例编写3.测试执行与缺陷管理a.分层测试实施(单元,集成,系统测试)b.缺陷全生命周期管理4.质量评估与报告输出a.质量指标分析b.测试报告编制5.自动化测试实施a.接口自动化b.UI自动化6.跨团队协作a.开发写作b.产品沟通7.测试过程改进8.技术研究与创新笔试题1.SQL题目:用sql找出不同课程的成绩的第二名和第三名WITH RankedScores AS (    SELECT         student_id,        course_id,        score,        RANK() OVER (PARTITION BY course_id ORDER BY score DESC) AS rank    FROM scores)SELECT     course_id,    student_id,    score,    rankFROM RankedScoresWHERE rank IN (2, 3)ORDER BY course_id, rank;2.LeetCode梦的开始:两数之和反问环节1.你们的业务内容回答:主要负责搜索功能和营销功能,搜索就是饿了么的搜索框部分,营销主要负责爆红包等等。日常还要做一些系统的压力测试,以及与其他团队一起做集成测试。年度还会做测试平台开发,质量和效率提升的OKR。2.工作节奏回答:9点半上班,周一到周四可能下班晚一点,周五正常6点下班,周末双休。3.开发技术栈回答:主要是Java
饿了么一面133人在聊 查看11道真题和解析
点赞 评论 收藏
分享
05-26 16:18
门头沟学院 Java
从4月1号的第一次面试到5月13号的滴滴二面,暑期实习也是终于画上句号了。从3月初就开始投 ,投了几十个公司,有笔试有面试的一共有20多个公司。timeline大概如下:3.8      米哈游笔试挂3.16    快手简历挂3.27    蚂蚁笔试后挂3.28    饿了么笔试后挂4.1      美团一面挂4.2      京东一面过4.7      京东二面挂,15分钟结束,kpi4.9      美团捞了一次,可惜没撕出来,又挂4.23    腾讯wxg一面秒挂,太菜了5.7      华为技术面和hr面通过,泡池子中5.8      滴滴一面5.13    滴滴二面5.23    滴滴口头oc5.26    滴滴offer滴滴一面面经1.介绍一下你的项目2.介绍一下短信登录具体是怎么优化的,redis的key和value都是什么3.在更新策略中,为什么采用先操作数据库再删除缓存的策略,为什么不用先删除缓存再操作数据库的策略?先操作数据库再删除缓存的策略是否有问题,应该如何解决?4.如何在不用reentrantlock锁的情况下,用redis分布式锁实现可重入锁?key和value都是什么?5.在优惠券的一人一单模块中,key和value都是什么6.项目中是如何用乐观锁解决缓存超卖的?考虑一个场景,如果一个商户要从供货商进货,还要进行售货,详细说一下用乐观锁的流程?7.现在有一个100层的楼,现在如果想用两个球测试,球从哪一层开始扔会碎,在这一层以上扔的话,球都会碎,在这层往下扔,球不会碎。请问最少需要扔多少次?8.手撕题:打印金字塔9.手撕题:数组中的第k个最大值元素滴滴二面总结1.在项目中,GEO具体是怎么使用的?商户和商户之间计算距离的具体算法是什么?如果多个人都进行附近商户查询时,会不会出现性能问题?2.feed流的推模式和拉模式?一般情况下,拉模式用的比较多,为什么你采用推模式呢?是否注意过朋友圈和微博消息推送时,技术实现的区别?3.在java集合中,有哪些线程安全的集合?你提到了threadlocal,threadlocal具体是做什么的,原理?有哪些问题?你提到了内存泄漏,内存泄漏有时只是几个变量的大小,不会造成多大空间的泄露,还有其他的问题吗?4.JVM的内存模型?5.mysql的事务的隔离级别?6.MySQL的索引有哪些?说一下B树和B+树的原理?B+树在插入节点时,会出现哪些树形结构的变化?7.线程池的参数有哪些?你在项目中是否用到了线程池?在真正使用中,如何选取线程池的参数?如果在一个I/O密集型系统中,如果让核心线程数直接等于CPU核数x2是否不合适,考虑一个场景:如果一个系统需要qps=10000,系统的请求处理时间为100ms,那么核心线程数该怎么设置?8.手撕:在100000个数据中,找到最大的10个数据,topk问题。中间也自闭焦虑过,最后感谢滴滴收留了我,大桔大利。
查看17道真题和解析
点赞 评论 收藏
分享
评论
61
121
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务