最近把牛客上近一个月Java 后端面经挨个翻了一遍，有字节、腾讯、拼多多、快手、美团、滴滴等这些公司，整理了各家闻到的高频题目和知识点，牛友有需要的自取。题目均来自其他牛友发的面经，真实可靠，每道题也都标注了来源觉得有帮助的话，辛苦点赞收藏转发一键三连，需要其他岗位的，也可以评论留言一、集合（几乎每家一面必问）1. HashMap 底层数据结构 / 怎么扩容？来源：快手后端一面、字节中国交易与广告一面、转转Java实习、腾讯二面、腾讯云智一面快手追问：哈希表遍历是有序还是随机？排序规则？怎么计算桶位（自定义对象呢）？字节追问：Java 17 的 HashMap 插入/查找时间复杂度2. Has...

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

今天早高峰10号线，人挤人，我好不容易站稳，余光扫到旁边座位上有个穿校服戴红领巾的小男孩，正低头盯着iPad。我以为他在看动画片，好奇瞟了一眼——好家伙，在刷leetcode。我人都傻了。我小学五年级还在玩赛尔号，人家已经在地铁上刷题了。让我想起来现在也有很多机构推出面向小孩的人工智能课、AI使用课...现在连小孩都这么卷了吗？

1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...