一面 2024.11.12知道什么语义化标签块级元素和行级元素是什么，有什么区别页面布局，答了瀑布流css 有哪些选择器瀑布流怎么布局的比如设置等高的三列布局怎么实现tailwindcss 是个什么 css 框架要是有一个属性没有设置类名怎么办除了自己手动写 css 文件，有什么 tailwindcss 的解决方式遇到问题怎么解决，答查文档、掘金 + StackOverflow 、AI 工具，接着问用过哪些 AI 工具var let const 的区别js 基础数据类型number 等基础数据类型和 object 等数据类型有什么区别const a 是一个对象，改变 a 里面的属性会报错吗，比如 a.xxx = yyy有哪些比较两个值是否相等的办法双等和三等的区别两个空数组在双等号的情况下的相等的吗js 原生 click 和 react 的 onClick 有什么区别知道什么是事件冒泡吗react 常用 hookuseEffect 用来干啥依赖数组为空是什么情况，不写依赖数组是什么情况useEffect 里面依赖了两个，但是依赖数组只写了一个，会发生什么情况遇到过什么 react 报错useState 为什么只能在顶层作用域有什么块级作用域react 组件之间通信方式，兄弟组件怎么传git 操作，怎么解决冲突包管理器手写一个对象的深比较二面 2024.11.21一面挂了以后换部门了。。。怎么实现类似微信一样上下固定中间滚动的布局，说出具体的标签、属性怎么实现九宫格布局localStorage sessionStorage 区别react 组件通信GET POST 有什么区别场景题，两个列表，一个是用户信息列表，一个是几个用户的 id 列表，怎么找到这几个 id 对应的用户信息有没有 ai 经验三面 2024.11.25聊了一会就oc了

- 自我介绍- HashMap的底层数据结构  - 1.7 以前是数组加链表，1.8之后是数组+链表+红黑树  - 当链表元素增加到8个的时候，就会将链表转变为红黑树  - 当红黑树中元素减少到6个的时候，红黑树就会退化为链表- 为什么要设置8这个阈值（没答好）  - 如果 hashCode 分布良好，也就是 hash 计算的结果离散的好，那么红黑树这种形式是很少被用到的，因为各个值都均匀分布，在存储数据不多的情况时，概率不到千分之一。- 为什么做第一个项目：  - 课程作业  - 后面做完善的优化- 怎么应对高流量高并发  - 将高频查询的信息存储在redis中，如热门视频的信息  - 对高并发的操作进行异步处理，如点赞操作  - 分库分表，提高查询效率- 项目有没有上过线，线上有没有做过测试，最高的在线人数是多少- 本地测试的时候，接口的qps是多少，为什么会相差这么大，有没有排查过慢的原因- 什么是缓存穿透，怎么解决？- 分库分表怎么做的？- 为什么要做第二个项目：  - 学长做实习分享  - 自己很感兴趣- 全部都是从0到1自己设计的吗  - 先是自己学习相关的基础理论知识  - 然后中间去学习了一些开源的项目  - 中间有问题去询问了学长- 怎么应对并发安全和数据丢失的（答的不好）  - 并发安全：使用并发安全的跳表，使用读写锁进行了锁细粒度控制  - 数据丢失：使用 WAL 技术预写日志，防止数据未落盘丢失- 怎么设计的KV存储结构  - 共享前缀+剩余key长度+value长度+剩余key内容+value内容- 这个设计的优化是自己设计的吗- 线程池优化是怎么做的  - 每一层的 level 有一个单独的线程去做 merge- Buffer.allocate() 在哪分配内存  - 直接内存- 为什么要使用内存池技术(缓冲池)  - 减少new、delete的次数  - 减少内存碎片- 为什么要通过反射调用 clean 方法  - 由于 Buffer.allocate() 分配的内存空间不属于 JVM 的堆内存区（Java Heap），因此不受 JVM GC 的控制，卸载这部分内存空间需要系统调用 clean() 方法来实现- 内存锁定是什么  - 用户在分配除一部分虚拟内存时，其背后可能并没有真正的物理内存与之对应，只有用户真正需要访问内存时，系统才会为这段虚拟内存分配实际的物理内存，这种情况下，如果我们将需要使用到的内存全部锁定，为它们提前分配好实际的物理内存，就可以提高程序执行速度。  - 使用 JNI 调用 c语言库中的 mlock- 为什么想到内存锁定和反射调用clean  - 学习rocketmq的时候#java##找实习##面经java##面经##27届#

是一个AI产品的测试岗，全程30分钟- 自我介绍- 写俩SQL（一个联表一个忘了）【都是对的】- count(1) count(*) count(字段）有啥区别【估计答错了】- 只要年龄最大的10个用什么函数【我说top，面试官说limit，limit不是分页吗】- 最大值用什么函数【max】- 用过大模型吗，用来干啥了【GPT、深度学习？】- 键约束是啥，约束是啥【真忘了】- 索引的优点和缺点【查的快，大量请求还得创建索引时间长】- 排序正着排和倒着排是啥【AESC DESC】- 测试的时候出现问题如何区分是前端还是后端的问题【没做过前端测试，只做过后端】- delete drop还有一个啥也是删除，三个的区别【删除所有数据和删除所有数据以及表结构】（还有一大堆想起来再编辑，半个小时都在问sql）后续就是挂了HR回复：这个岗位相对特殊一点，是专门做数据平台和大模型的测试工作，技能比较单一

没有后续，应该是凉了。TimeLine一面 9.04二面 9.20一面（40~50min）1.实习、项目简单聊聊2.对OLAP的理解3.做题，给出a[1~n]、m、k，找出数组中的两个下标i和j，满足abs(a[i]-a[j]) < k且abs(i-j) < m二面（50min）体验还不错，面试官态度挺好的，看出来技术这一块也很资深。1.你认为Python爬虫合法吗，爬虫需要遵守什么协定吗；2.文件系统的文件是连续存储还是离散存储的，这二者有什么优缺点吗；3.写文件的过程是怎么样的；4.高性能计算课程里面并行计算的实验相关的问题；5.进程、线程、协程的区别，为什么协程很好做到模拟高并发；6.进程的特点，虚拟地址和物理地址的映射是怎么做的；7.Malloc 3KB的过程；8.JSON解析的难点。

感觉题目难度是倒序第一题，考了个fifo，仿cpu执行多任务，每个任务有几个task，每个task相同，输出结束时间，想了好久91%第二题 ，最有思路的一集，通过率最低的1级9.6。这题非常简单，首先需要你构造一棵树。对于一棵树一直删除叶节点，然后问删除根节点最低的次数，傻子都知道用递归，但是发现一提交就红，后来看到左面写了本题栈很小，小，但是也不至于这么小吧，单走一张六了属于是，递归都可以由迭代来替换，但是没时间了搞不出来第三题，最能看得懂的一集。但是有坑。意思就是说一堆怪，你可以使用群体技能一下挥出最高怪物身高的一半的波，然后这个高度以上的全部都嗝屁，然后单体技能就是秒杀一个，单体技能有使用上限，要求就是输出最少使用群体技能次数，及其最少使用群体技能次数下的最小单体技能次数我以为我老会了，直接优先级队列 ，模拟从高到低砍杀的过程，后来发现通关率才61。那就肯定是有问题，又想到了一个极端情况，假如怪物的头头像《进击的巨人》一样，大boss  2km。小怪才几十米，我使用群体技能砍一刀，Boss确实死了，但是这个群体技能是很珍贵的，并没有有助于我去杀死所有的怪物，不如用单体技能，然后再用群体技能，这样一下就能死一大片儿，虽然能想到这个过程，但是还是做不出来，有没有大佬讲讲都怎么做的？

写在前面 【三年面试五年模拟】旨在整理&挖掘AI算法工程师在实习/校招/社招时所需的干货知识点与面试方法，力求让读者在获得心仪offer的同时，增强技术基本面。也欢迎大家提出宝贵的优化建议，一起交流学习💪 ************************* ************************* AIGC算法工程师面试面经秘籍分享：WeThinkIn/Interview-for-Algorithm-Engineer欢迎大家Star～ 获取更多AI行业的前沿资讯与干货资源 大家好，我是Rocky。 《三年面试五年模拟》系列作品帮助很多读者获得了心仪的算法岗offer...

c++岗位 日常实习面试官迟到三十分。。。后来解释说 忘记了。。。没开摄像头自我介绍三个c++烂大街八股一个反转链表结束没问简历不懂算不算kpi转天直接凉凉

连着两面，第一面写了两道算法第二面开始问问题用过哪些gdb调试命令怎么调试core dump文件gdb调试打印某个对象时出现一堆问号，是什么问题用过哪些编译选项默认编译优化等级os malloc细节os 虚拟内存细节大模型相关问题

大概一个小时1、介绍LSM Tree的整体架构2、介绍一下skiplist3、讲一下布隆过滤器的原理4、讲一下Wicskey的kv分离以及优化5、compaction的过程讲一下6、项目里的compaction策略7、讲一下项目遇到的困难点和学习到的知识8、raft中的snapshot怎么做的9、ACID10、mapreduce的过程（word count）11、算法题：求两个字符串集合的差集

常规自我介绍问实习，问项目bert和roberta有什么区别，动态掩码策略的区别多标签分类跟单标签的区别提示loss反面：考虑交叉熵SIGMOD和softmax知道吗，介绍一下，如果要是多标签分类用哪个好点：用SIGMOD 面试官base成都，项目主要做政府方面linux查找文件最后一百行回答的不好，感觉要g分享攒人品~

自我介绍实习项目相关（大模型）gdb调试命令gdb怎么给main传参内存泄露如何排查智能指针，为什么智能指针能避免泄露项目构建工具（答了cmake，但是一年多没用了，忘光光，g了）g++引入第三方头文件g++链接外部动态库docker网络docker相关命令docker build写题感觉要g问的很多内容都已经忘了

2023/11/10### 项目- 问项目难点- 如何找到性能瓶颈的？### 八股- SpringBoot启动流程- SpringBoot的starter机制？    - SpringBoot2.7对springfactoris的改动    - SpringBoot3.0中的springfactoris的autoconfiguration    - 约定大于配置### 其它- 对公司的了解### 总结- 中等难度，面试官给我讲了很多知识，接近一半的时间都是面试官在讲，沟通很顺畅，体验很好- 挂了，别的没过的面试都是凭实力挂，可以接受；这个是唯一一个挂了之后感到怅然若失的，后来意识到可能是因为没有hc了才给我讲好多知识，但仍然是整个秋招体验最好的一次面试，感谢面试官

简单介绍一下项目项目里一些点随便聊了一下 没问几个问题算法 实现一个HashMap 问了面试官是要拉链法还是可以用最简单的开放寻址 回答都可以然后我就整了个开放寻址 随便写了个测试样例没出啥问题就过了总时长30min

面试的流程肯定是老一套啦，首先巴拉巴拉的来一顿自我介绍，然后就是面试官的提问。面试官的总体来说是挺好说话的。下面是面试官的问题Linux中查看磁盘内存情况的命令（面试官解释到这是用来监控采集数据所要用的） 我回答了一个df-h,然后面试追问怎么看某个目录占用磁盘的百分比，然后我就没回答出来了 正确答案：du -sh /xxx/xxx/xxx 2.hive中允许储存的数据类型，其实就是指创建表的时候所指定的数据表类型（我还是答不出） 正确答案：TextFile、SequenceFile、RCFile、ORC、Parquet、AVRO。 ...

星环科技的hr和面试官应该是我国内面试中遇到最好的了... 秋招面过星环的同学最后虽然去阿里云了，但对星环还是挺推荐的，挺看好公司业务和工作氛围。一面面试前看牛客相关面经都问了很多数据库相关的问题，所以面试前两天都在看MySQL八股，结果面试的时候一个没问。。。自我介绍+实习项目介绍；开源小项目的PR介绍；了解星环是做什么的吗？现在是想尝试一下数据库内核开发吗？实习过程中遇到过什么问题，怎么解决的呢？实习中用到的技术，你是怎么学习的呢？用过C++吗？（之前刷题用过stl，现在转python了聊一下你对CAP的理解；聊一下对数据库分层的理解；一道算法题，lc114，将二叉树转成链表；反问就是问了...

一面前还有笔试 两道算法题挺简单本来以为进去要转c++的 在自我介绍阶段就没怎么聊java 都在说自己不怎么会c++ 结果最后反问才知道原来是分布式数据库 java是作为计算层的主要实现语言 怪不得这面试官这么了解java1. jvm调优 有啥常见参数2. 常见设计模式3. docker如何打包镜像4. mmap系统调用然后基本上都在问项目 面试官对电商业务好像还挺了解聊了大概35分钟的时候 问我要再聊会还是做题 今天有点感冒喉咙特干我就不想聊了 然后就说做题吧 那面试官直接被我整笑了最后写了个快排

一面：boss直聘，拷打项目，无八股。面试官简单介绍了项目的情况，反问。二面：电话面，面试官一眼看出项目是网上的，我狂妄发言：“我是有自己的思考的”，然后被拷打，最后只憋出来了一条。根据我之前的回答，面试官问了1）数仓，业务系统，大数据平台的关系根据jd，问了2）py如何连接数据库，数据库游标、连接不释放会怎么样3）hive分桶表，如何分桶，如何确定分桶的数量，分桶有什么用4）怎么处理json，将其转化为结构化数据反问

1.盒模型2.盒子水平居中方式3.vue的响应式原理4.跨域5.项目打包和优化6.css选择器优先级7.vue生命周期每个阶段做什么、钩子都有哪些8.防抖节流9.async await的使用10.promise的使用和回调地狱11.git常用命令12.项目中的权限控制如何实现的13.请求、响应拦截器14.封装请求......还有一些vue和项目相关问题，但是想不起来了但是都是一些基础vue问题，想到再补充吧ps：这个部门和我一个项目技术栈完全匹配蛮幸运的

星环科技一面、二面、Offer 一面--8月17日 如何解决强化学习中的奖励稀疏问题 奖励稀疏问题是指在强化学习中，智能体在执行任务时只会偶尔收到正面的奖励反馈，导致学习过程变得困难。解决奖励稀疏问题的方法有以下几个方向： 奖励设计：重新设计奖励函数，使其更具信息量，提供更多的反馈。可以采用稀疏奖励的方式，即设置额外的中间目标，并给予奖励，这样智能体在不断实现中间目标的过程中也能得到积极的反馈。 使用启发式初始化：通过给智能体提供一些启发式的初始知识，加速学习过程。这些启发式信息可以是专家的经验或者领域知识，在智能体开始学习之前就将其注入，帮助它更快地找到有效的策略。 探索...