攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目里有个大模型项目，问了全流程设计和实现3.微调为啥用Lora，为啥不用QLora或其他？（项目）4.用过RAG吗？讲讲流程？如何提高召回精度？5.什么场景用rag，什么场景用微调？6.什么情况下用单Agent，什么时候用Multi-Agent？7.Multi-Agent如何能实现团队合作？8.skills了解吗？用过哪些skills？9.如何看待Ai的发展？如何不被Ai淘汰？10.回归八股：如何优化mysql索引？11.无手撕

联想一面自我介绍rag文本分块策略你对AI agent的了解了解哪些框架在rag中如何构建上下文对话的能力关于大模型提示词的经验你知道哪些agent工具rag中的幻觉问题是这么处理的？你知道哪些向量数据库？在rag中，有哪些相似度的计算方法你知道最近两年有哪些agent框架吗谈谈你对openClaw的人生谈谈对agent Skills的认识什么是python闭包，你在项目中哪些场景中使用了的Java中如何处理内存泄漏风险反问：大概有几面：总共两面，后面一面是HR面多久能知道本次面试的结果：应该很快吧大概多久能入职：得HR才能知道（整个流程总共20分钟，无手撕代码环节。时间短的比拷打1个半小时，...

📍面试公司：美团🕐面试时间：2026.04.24💻面试岗位：测试开发❓面试问题：1.介绍项目（会问项目相关的问题/他们想用到的怎么做）2.手撕（链表翻转➕排序）3.八股（TCP UDP区别，死锁，线程池，内存垃圾回收，SQL，分布式消息队列Redis，机器学习数据归一化，大模型相关：RAG知识库构建索引，skill…）🙌面试感想：面试官人挺友善的，手撕大致写出来了但是有bug，让我讲了一下思路，八股没背完后面都不会

1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...