吐血整理！春招面了15家，总结出面试官最爱问的AI问题

随着AI的发展，数据人的工作边界，正在发生变化。过去我们更熟悉的是这些词：ETL、数仓分层、指标体系、实时链路、BI 报表。这些能力当然依然重要。而且直到今天，它们还是企业数据建设的基本盘。但现在，很多企业对数据团队的期待，已经不只是：把数据算出来。而是开始进一步要求你去支撑：智能问答/企业搜索/RAG 检索增强/Agent 工具调用这意味着，数据人做的事情，正在从“建数仓”，慢慢走向“建 AI 数据底座”。未来已来，该考虑不是数仓还要不要做？而是从做数仓到做 AI 数据底座，数据人到底该补什么能力？一、不是数仓没用了，而是只会数仓已经不够了先说结论：数仓能力不会过时。因为 AI 数据底座的很...

生活的激情和心力都消耗在日复一日的工作中，对事情提不起兴趣，每天都在等下班，每天都在等周末，就这样一年又一年，年级逐年的长大，却再也回不到从前。真正祛魅的就是认真工作的时候，发现无人理会，无人在意，整个世界好像只有我一个人在认真，一个人在做事，结局就是同事们说这个事情很简单，甚至没人说辛苦了，从此真的祛魅了，工作是工作，生活是生活，彻底祛魅了

技术面一般分为一下几个环节：自我介绍、技术八股文、项目、反问自我介绍技术面的自我介绍需要准备两份，一份在2~3分钟左右，另外准备一份比较精简的在1分钟左右的。因为有些面试官会要求你做一个1分钟的自我介绍，那么你没有准备，还是讲这么长的话，讲到一半就会被面试官打断了，也会给面试官留下时间意识差的印象。把两份自我介绍的稿子写出来不断地念，反复修改直到自己觉得满意为止，念的时候还要给自己计时，注意时间的把握。下面就给大家一个我自己的模板，并以这个模板为基础详细讲讲要怎么做自我介绍。面试官好，我叫xxx。就读于xxxxxx大学xxxxx专业。大学期间我参加了xxx比赛，获得了xxx奖项。还获得了xxx...

刚好晚上吃饭的时候闲来无事，随笔记录一下来MiniMax实习3个月的真实感受，给正在看机会的兄弟们一些参考：关于技术氛围：怎么说呢，这边确实能接触到比较核心的东西，而且有着大厂没有的“高速”，比如我第二周就开始跟着调优M2.5的代码了。记得当时在做模型“自我修正”能力的优化，我提了个想法：能不能让模型遇到编译报错时，模拟编译器思路走一圈？mentor听了没含糊其辞的让我只关注他安排的工作，而是直接说“你做个Demo试试”。然后我就去做了，最后效果还行就被采纳了，说实话很有成就感。之前在别的地方面试时，很多面试官画的饼比这大多了，但来了之后发现根本碰不到核心业务。这边至少让你真动手，不只是听概念。关于Mentorship：我的mentor人挺实在的，但是指导方式.....emmm怎么形容呢，不是那种手把手教的类型，应该算是引导型？分享一下我们的日常给大家感受一下，有次我为了赶一个Agent工具调用的demo，写了一堆if-else，自己都知道写得烂。Code Review时他没直接说我代码写的烂（虽然是事实），而是跟我聊：“咱现在写的每行代码，以后都可能变成M2.6甚至M3.0的训练语料。”然后他花了一下午重构了代码，引入工厂模式，还顺便给我讲了讲大模型底层MoE路由的原理。刚开始我觉得重构挺浪费时间的，但后来想想确实帮我理解了“为什么这么写”比“怎么写”更重要，算是被带着上了一课。关于工作方式：这边节奏不算轻松，但卷的方向比较明确。API额度确实不设限，但我发现也没人真去“刷”ArXiv……主要还是先把分配的活干完。干完了可以自由安排时间，去看论文、琢磨优化都可以。同事之间氛围还行，有问题直接问，不用绕来绕去。扁平化这个点虽然被说烂了，但确实不用天天写周报（感动）。总结：在MiniMax这里，整体感觉就是：你做的事能被看见，想法能被试，愿意学也能学到东西。对想踏实做点事的同学来说，是个不错的地方。今天就分享到这里了，继续肝大模型去了。