华为云实习生招聘，机器人相关方向的同学欢迎私信联系

字节跳动Data AML部门前端实习一面面经本次面试时长1小时，主要涵盖项目经历、技术原理、基础知识和算法编程等方面，具体内容如下：一、项目经历面试官首先询问了实习项目相关内容，围绕项目背景、技术实现、遇到的问题及解决方案展开交流，考察对实际项目的参与度与理解深度。二、Suspense原理及实现1. 原理：Suspense 是 React 用于处理异步渲染的组件，可在数据加载或组件渲染完成前展示加载指示器，提升用户体验。2. 实现方式：被问到在 useEffect 中存在 fetch 请求时，如何让顶层组件感知组件存在异步请求。回答可通过 React Context 实现信息透传，但存在更优方案，可从 React 的新特性或状态管理库角度进一步优化 。三、JS基础1. var、let和const的区别：var 存在变量提升，会导致变量在声明前可被访问；let 和 const 具有块级作用域，更加安全。2. var逐渐被弃用原因：var 没有块级作用域，在复杂代码中容易引发变量覆盖等意外问题，使用 let 和 const 可避免此类风险，提高代码的可读性和稳定性。四、CSS基础1. 三列瀑布布局（两边固定，中间自适应）：纯CSS可通过浮动或绝对定位实现；使用flex布局更优雅，flex: 1 表示该元素会自动分配剩余空间。2. flex常用属性：主要涉及主轴和横轴方向设置，如 flex-direction 定义主轴方向；常用的居中属性包括 justify-content: center（主轴居中）和 align-items: center（交叉轴居中） 。3. CSS动画：通过 animation 属性实现，配合关键帧 @keyframes 定义动画的起始和结束状态、变化函数（如线性变化）以及时间等参数。animation 在渲染进程的合成线程执行，不会阻塞JS执行，效率较高。五、算法编程题1. 合并有序链表// 定义链表节点结构function ListNode(val, next) {this.val = (val === undefined? 0 : val);this.next = (next === undefined? null : next);}var mergeTwoLists = function(l1, l2) {const dummy = new ListNode(0);let current = dummy;while (l1 && l2) {if (l1.val < l2.val) {current.next = l1;l1 = l1.next;} else {current.next = l2;l2 = l2.next;}current = current.next;}current.next = l1 || l2;return dummy.next;};2. 二叉树寻找公共父节点（节点有parent指针）function lowestCommonAncestor(p, q) {const set = new Set();while (p) {set.add(p);p = p.parent;}while (q) {if (set.has(q)) {return q;}q = q.parent;}}3. 实现sum函数curry化

注：本秘籍适用于计算机、人工智能、电子信息等相关专业的应届生，目标是互联网大厂/知名科技公司的算法工程师岗位（如搜索推荐算法、CV、NLP、LLM等）。✅ 一、前期准备1.1 岗位了解🔍 算法岗位的分类- 搜索推荐算法：常见于字节跳动、美团、阿里、京东等公司，负责商品/视频/资讯/音乐等的搜索推荐等，出名的部门如阿里妈妈、百度凤巢、快手社科线等。- CV/NLP算法：百度、腾讯、华为、商汤等偏AI方向的公司需求较多，对应的业务场景如视觉感知、目标检测、query理解、意图识别等，岗位要求CV比较卷，需要论文背书。- 风控/金融算法：蚂蚁金服、平安科技、微众银行等金融科技类企业。- 机器学习算法：业务场景广阔，如电商的搜索推荐、公司中台等。- 大模型/AIGC/多模态算法：业务场景广泛，如智能客服机器人、文生图等，出名的部门如阿里通义实验室、字节豆包、快手可灵等，对实践的要求比较高，如参与过大模型预训练，SFT，RLHF等项目。🎯 如何选择岗位- 结合自己的研究方向或实习经历；- 参考行业趋势（如AIGC、大模型、多模态等）；- 考虑公司发展路径和成长空间；- 关注base地点、薪资结构、工作强度等实际因素。1.2 简历准备📄 简历要素- 基本信息：姓名、联系方式、邮箱；- 教育背景：学校、专业、学历、毕业时间；- 项目经验（重点！）：每个项目写清问题背景、解决方法、技术栈、结果（最好有量化指标），强调自己在其中的具体贡献，如“主导”、“设计”、“优化”等；- 实习经历（如有）：写清楚做了什么、用了什么技术、解决了什么问题；- 技能项：编程语言如Python、C++、Java等，框架工具如PyTorch、TensorFlow、Sklearn、Hadoop、Spark等；- 学术论文、竞赛名次（如Kaggle、天池等）。✨ 小贴士- 控制在一页内，简洁明了；- 使用PDF格式；- 避免空洞描述，突出技术细节；- 建议至少有一个比较垂直的项目（岗位匹配度高），可以再放一个自己学校科研的项目（如果有论文就更好了）。1.3 刷题和八股💻 刷题平台推荐- LeetCode（hot 100，可参考代码随想录）- 牛客网（国内题目更全，很多公司笔试的平台，需要熟悉ACM形式）📚 刷题建议- 先按类型刷（数组、链表、二叉树、动态规划、回溯、贪心、图论等）- 中后期做周赛、双周赛模拟真实环境- 掌握常见算法模板（DFS/BFS、二分查找、快排、TopK等）📝 八股内容（基础知识）（见下图1）✅ 二、面试相关2.1 面试风格⏱️ 面试形式一般是2到3轮技术面+1轮hr面，一般为视频面（也有电话面）。一般一面的面试官，是日后要加入团队的leader（+1）；二面的面试官，是交叉团队的leader；三面的面试官，是主管（+2）。🧩 面试流程自我介绍（1~2分钟），项目深挖（核心环节），八股拷打（理论知识），手撕代码题（共享屏幕），反问环节。2.2 项目相关🧩 面试官常问的问题这个项目的问题背景是什么？你想解决什么问题？你的解决方案的动机是什么？你是怎么设计模型的？有没有对比过不同模型？数据是怎么处理的？有没有做特征工程？模型效果如何？用什么指标衡量的？模型有上线吗？上线后发现效果不好有思考是什么原因吗？遇到哪些困难？你是怎么解决的？如果让你重新做一次，你会改进哪里，未来的升级迭代考虑哪些方面？✅ 应对策略项目讲清楚：背景 → 方法 → 实现 → 结果。技术细节要扎实：能讲清楚Loss函数设计、模型结构、输入数据的处理、衡量指标等。2.3 八股相关🧾 高频考点（分类整理）机器学习：- 什么是过拟合？如何防止？- 随机森林，GBDT 和 XGBoost 的区别？- SVM原理？核函数的作用？- Bagging vs Boosting？深度学习：- Transformer结构？为什么比CNN/RNN好？- Dropout的作用？训练和测试阶段的区别？- BatchNorm的计算过程？优点？- BN和LN的区别以及Transformer为什么用LN？- Transformer里的Attention的理解，以及公式里为什么要除以 $$\sqrt{d_k}$$？- 梯度消失/爆炸的原因和解决方案？- 介绍下Transformer的结构？大模型相关：- GPT和BERT的区别？- 大模型应用的位置编码的方式有哪些？知道旋转位置编码（ROPE）吗？- 大模型微调的方式有哪些？LoRA微调的原理及改进？- 大模型用的强化学习的算法有哪些？比如RLHF，PPO,DPO,GRPO？- 了解大模型的RAG，Agent吗？- 知道模型训练和推理加速的方法吗？模型评估：- AUC的含义？如何计算？- Precision和Recall的区别？应用场景？- 为什么不能只看准确率？工程相关：- 如何进行特征工程？- 做特征embedding的方式有哪些，以及适用的场景？- 模型调参的方法有哪些？- 分布式训练怎么做？2.4 HR相关👥 HR面常见问题- 自我介绍（简短有力）- 为什么选择我们公司？- 你的优缺点是什么？- 未来3年的发展规划？- 你最大的挑战和收获？- 你如何看待加班文化？- 你有其他的Offer吗？- 你愿意来某某base地工作吗？- 你有女朋友/男朋友吗？✅ 回答技巧- 真诚表达，不套路；- 结合公司业务、技术氛围、成长机会来谈；- 展示你的热情和长期意愿；- 对加班文化可以表示理解并接受合理范围内的高强度工作。- 展示自己的offer实力（如有），不卑不亢，有礼有节。- 展示自己对base地满意的点，列举其好处。✅ 三、问题反问在面试最后，通常会有“你有什么想问我的吗？”这个环节，这是展示主动性和思考深度的好机会。3.1常见优质反问问题✅ 关于团队目前团队的技术栈主要是什么？团队目前的重点方向是什么？我将加入哪个项目组？主要负责什么模块？团队主要是偏重业务还是预研方向？团队的base地在哪里？✅ 关于成长公司对新人的成长支持有哪些？有无mentor制度？是否鼓励参加技术会议？✅ 关于业务该岗位的核心产出指标是什么？当前业务面临的最大挑战是什么？✅ 关于流程后续还有几轮面试？预计什么时候出结果？🎯 总结：通关路线图（见下图2）📣 最后一句话算法岗竞争激烈，但只要你足够努力、方法得当、心态稳定，offer终将属于你！祝各位纵有千古，横有八荒，前途似锦，来日方长！祝大家早日斩获心仪Offer！🎉

岗位是测开，技术面2天速通，OC时间线大概一周一面5.301.实习经历拷打？（20min）2.synchronized 关键字介绍一下？3.抽象类和接口有什么区别？4.String 不可变的原因和影响是哪些？5.Java 里面是如何解决线程死锁的？6.讲那个垃圾回收机制吧，垃圾回收算法有哪些？7.七层网络模型了解吗？能大概介绍一下？8.HTTP 请求在哪一层？TCP在哪一层？9.TCP 跟 UDP 的区别？10.介绍一下 DNS 解析域名的流程？11.你了解的测试方法有哪些？12.刷抖音，然后在信息流上，看视频的时候，那右边是有个关注，有个头像，通过头像关注，然后对这个关注的这个功能做一下，能想到的测试用例？13.有个场景就是你点了一下关注，然后你刷新按钮，然后状态显示应该是没有关注的，你觉得可能的原因是什么？算法：力扣53题，最大子数组和二面+三面5.31（两个面试官轮番拷打）1.抖音刷视频这个场景：往下滑视频这种。如果你是一个研发的话，你如何能保证用户在刷视频的时候的体验、流畅度、清晰度是最最好的？你有哪些方案？2.你提到了预加载，那应该预加载几条呢？3.软解和硬解的区别？4.就还接接着刚才这个关于视频流畅度这个区分。假如说你做了，就是按你刚才说的，然后去做了一些优化。然后你是怎么去衡量你做的这些事情，然后对用户是有感知或者有作用的。然后有没有一些量化指标或者一些策略，然后具有评估你的这个优化是有效的？5.AI应用在我们测试领域，有哪些AI相关的应用是可以对我们测试或者开发有一些效率或者质量或者是其他方面的一些贡献的？6.结合语音对话这个场景，就是说从我给模型测 APP， 然后发一个语音消息，到它最后给我返回一个语音的回答，这个整个阶段，大概都是经历哪些哪些过程？7.我们这边回复是一方面既会回复文本，然后另外一方面也会去播放语音，对吧？那我们生成文本的速度跟这个播放语音的速度，然后能 match 上吗？生成语音和生成文字的速度会有不一致的情况吗？8.这里边会存在，比如说语音生成的时候，就是其实有一些那个特殊字符，语音无法按照人的习惯来读，与直观认知不符的情况，如何解决这一类情况？9.Java里面有个概念叫动态代理，可以简单说一下你对动态代理的理解吗？10.线程的创建方式有哪几种？11.线程池有哪几种？12.因为我看你之前也写过后端，对吧？假如说你有一个查询接口，但比如说是因为因为这个可能数据库里边数据量比较大，然后这个查询接口，然后性能很慢。比如说我查查查一查一次，比如 10 秒或者更长时间。然后我想把这个查询速度或者性能给优化上来，然后你可能会采取哪些方式？

1.华为2012实验室自动驾驶算法：base地杭州，泊车算法预研部门，大模型感知和强化学习两个方向,但不清楚具体工作内容2.滴滴自动驾驶部门：base地上海，Selection方向，具体就是集成三类规划器(端到端/ML/传统）的轨迹输出，选择最优轨迹，部门是由原来的pnc部门重组的，好处就是代码权限相对开放也与端到端和ml方面有业务往来，但害怕最后做的还是传统规控想积累一些端到端方面的相关经历为秋招做准备，希望大家给点建议