给我面没招了，发点面经攒攒人品～1.手撕代码：两两反转链表2.项目拷打2.1 介绍项目2.2 特征工程与业务理解相关，这么做的动机2.3 模型里是怎么实现自动特征交叉的？2.4 特征分组的技巧是什么？有没有尝试过完全不分组或随机分组？做过哪些实验，效果如何？2.5 为什么这种架构可以提升MFU？2.6 超长序列建模具体怎么做的？这种方案的区别和优势在哪里？信息被压缩的程度有什么不同？2.7 假如你要引入向量索引系统，在线 serving 服务要做什么改造？应该放在什么模块里？2.8 在线链路中，这个模块应该放在哪个环节？特征生产，快照流转的完整架构是怎样的？2.9 样本和线上实时特征如何保持一致？2.10 OneTrans把序列和非序列特征放在一起组织，不同行为特征是怎么组织的？2.11 原论文有没有提到其他组织方式？2.12 OneTrans的金字塔结构具体怎么做？为什么要这么设计？2.13 attention机制为什么随着序列变长耗时增加很快？时间复杂度是什么关系？2.14 如果要优化性能，你会做什么样的优化？2.15 模型推理优化除了传统算子，还会用什么样的架构或加速手段？2.16 多任务学习中的负迁移/跷跷板问题怎么解决？2.17 特征重要性是怎么评估的？

1.你这个项目是哪来的,网上找的吗2. 你的网络框架大致架构是怎样的3. epoll 能监听磁盘文件吗，为什么普通文件和 socket 在事件模型上表现不同答案：epoll 从接口上看可以把很多 fd 加进去，但并不是所有 fd 都能像 socket 一样带来有意义的事件驱动收益。普通磁盘文件通常总是“可读”“可写”，因为它们不具备网络连接那种等待对端、等待缓冲区状态变化的语义，所以即使加入 epoll，也不会像网络 fd 那样随着数据到达不断产生值得等待的边缘事件。真正适合 epoll 的通常是 socket、pipe、eventfd、timerfd 这类“状态会变化”的 fd。如果业务是“...

3.27 投简历3.30 一面 算法题mid，4道 + 项目 + 八股4.7   二面 项目+八股+场景4.13 面委  算法题mid  2道 + 项目4.14 hr面  正常交流4.16 负责人面试（挂） 项目+反问总结：整体上面试流程感觉还行，就是最终面，问完项目就直接反问了，并且结束面试后，就以经历差异为由挂了，这算不算招聘事故？面试到最后一轮了，就因为这个原因给挂了...（如果是这样为啥不在简历评估的时候把我给刷了，这样就不用浪费大家时间了）这里给大家提个醒，社招的同学经历差异太大的话，尽量不要尝试，不然技术面全过，可能最后一面给刷掉了，校招实习的同学倒是可以勇于尝试

1. 你最近在学哪些课程或技术方向？2. 你有没有使用过 AI 相关工具？有，用过 Cursor 和 ChatGPT。主要是辅助写一些重复性代码、补测试用例、解释报错、查 API 用法，也会用来做知识点对比，比如 synchronized 和 ReentrantLock 的区别，或者分析 SQL 为什么慢。一般我会把它当辅助工具，不会直接照搬结果。3. 你用 Cursor 的时候遇到过什么问题？最大的问题是上下文理解不一定完整，尤其是跨文件和跨模块的时候，生成的代码可能能跑，但不一定适合当前项目。还有就是它有时会忽略边界条件，比如空值、并发安全、事务失效这些问题，所以关键逻辑我还是会自己过一遍...