4月22日 1、实习拷打2、做过性能测试吗？，qps？3、手撕：字符串中的单词反转4、对ai的了解（废了，怎么又问这个，QAQ），实习中用到的ai工具许愿二面

1.对存储的认知是（存储的分类，对象存储）2.mysql事务，C和D怎么实现的3.索引，查询索引过程4.redis数据结构，说说zset5.http协议结构6.socket编程7.锁的认知，什么时候用谁8.手撕：计算数组中每一位元素与其他相同元素的距离和

被挂了，希望发出来对大家有帮助！项目追问（约25分钟）1.为什么选择前端方向？2.学习前端的路径和渠道？3.多Agent怎么编排的？4.前端资源缓存怎么配的？5.SSE流式数据怎么处理？6.SSE数据格式是什么？7.AI coding占比多少？JS基础（约15分钟）1.var/let/const声明打印结果（3题）2.作用域链+闭包分析3.事件循环：宏任务/微任务执行顺序手撕代码（2题）数组扁平化（flatten）扩展：支持depth参数控制展开层数

发点面经攒攒人品～1. 实习拷打2. 在这段实习中介绍一个和大模型相关的项目3. 模型是自研的，还是开源的?开源的话，用了哪个模型，为什么选择它?4. 怎么评估大模型效果，如何在现有模型效果基础上提升?5. 讲一款你比较喜欢的产品，阐述三个吸引你继续使用这个产品的点6. 你认为这款产品的缺点是那些?针对这个缺点，你认为如果是你，你怎么改进呢7. c端产品和b端产品的区别是什么8. 产品经理最重要的能力是什么9. 让你设计一款产品，任何类型的产品都可以，你会设计什么10. 谈谈你对百度的看法，你认为百度在什么方向有优势11. 你觉得业内哪些对话机器人做得比较好，为什么12. 你做产品经理的优势是什么13. 谈谈你的职业规划14. 你有用过业内哪些AI产品，你觉得他们哪些做得好，哪些不好15. 针对这个缺点，你认为如果是你，你怎么改进呢16. 你平常是从哪些渠道了解 AI行业相关的信息

1.css权重;如何计算;在实际的项目中可能会遇到这种，样式通透?作用?样式覆盖异常?(module?)2.0.1+0.2===0.3嘛，底层原理，为什么会出现这种情况，怎么解决?3.es6的特性，聊聊对promise的理解，有哪些特性?4.promise.all在你的项目中有哪些地方用到嘛5.性能优化这个指标?原先是什么样的，优化后是什么样的?如何去测试这个指标。6.像有些错误他不是在服务端出现的错误，而是在客户端出现的一些异常抖动报错这种，导致资源的超时，请问能捕获到这种错误嘛?7.如果出现网络波动，这段时间无法上传这种情况下有考虑过嘛?8.大文档的编辑，性能优化的手段，分段chunk是怎么分的，是按照ast还是按照行，行的话，如果遇到图片这种你是怎么做的?9.百度实习的经历介绍?10.在你是学习或工作过程中，有哪些ai的方法或手段去提升你的开发效率?生成对应的文档，用于后续的文档，有这种东西嘛。(有.rules，rules里面的内容有什么)11.在你们公司里面，你们公司里面如何去结合ai工具去快速上手应用，a这样每次去读取都是很消耗token的，通常来讲有cloud code来12.ai的出码率有多少

发一下问题给大家参考，攒攒人品！1，你有过B端经验吗2，你之前印象深刻的实习3，我感觉你之前在做的更多是运营层面，有没有做过产品上线4，你觉得国内外大模型都是什么样的5，你怎么做竞品分析6，你了解RAG吗7，你了解当下的ai商业化模式吗8，你觉得cursor和clgude的区别9，你觉得claudecode和龙虾的区别联系10，你觉得龙虾为什么会火11，你是怎么做一块软件的12，你为什想做产品经理

八股： 1、python中元组列表区别2、函数是对象吗3、修饰器AIcoding：1、在整个大项目中，遇到一个新的需求，添加一个新的功能的工作流是怎么样的？2、agent skill开发3、计划模式简历：1、讲实习、问项目2、检索策略3、向量匹配计算指标4、agent工具调用流程是什么？客户端是agent，服务端是调用的api5、除了工厂模型，还了解那些模式

8点面的，大概面了20多分钟，就给过了1:百度实习2:意向地点面的很轻松，9点看就过了

1. 自我介绍2. 介绍一下你的项目3. MCP 和 Skill 的区别是什么MCP 更像标准化的能力接入协议，解决的是“模型怎么发现、描述和调用外部工具”的问题；Skill 更像高层动作抽象，解决的是“把多个工具和步骤封装成一个可复用能力”的问题。MCP 关注接口层和通信层，Skill 关注语义层和任务层。一个 Skill 可以内部调用多个 MCP 工具，但对上层 Agent 来说它仍然是一个原子动作。生产里如果把两者混为一谈，最后会变成工具越接越乱，Agent 决策空间越来越大，稳定性越来越差。4. 你怎么理解上下文窗口，哪个部分最占用 token上下文窗口不是“能塞多少文本”的问题，而是...

4、RDB AOF区别是什么5、aof写入是在命令之前，还是命令之后6、aof能保证数据的完全不丢失吗7、怎么保证aof完全的一致这里其实是一个设计，直接2pc就好了9、为什么要用C++写的Redis，不用go/Java来写呢10、go-redis存储大批量数据的时候，gc会总是扫描这种大对象，该怎么减少这种无意义的扫描呢11、缓存击穿、穿透、雪崩，怎么处理12、如何实现高可用的13、java,go的优缺点14、GMP介绍一下15、什么时候GM16、切片与数组的区别17、切片作为形参的时候，在方法内部修改会不会影响外部18、如果只是append，会影响外部的呢19、map的底层结构20、1.2...

1.深挖项目，量化方面问住我了（1）如何判断哪些子网络需要量化，而其他不需要（2）你在模型哪个地方用了量化算法：MHA

在武汉打比赛的时候面试，借的别人电脑面的，未录音，当时也没有太认真面，就记录下有印象的了两个面试官，在会议室面的，第一次有这种体验1：golang特点2: TCP三次握手3:Https4：Linux进程线程如何创建5：IO多路复用6：用过哪些锁7：如何设计一个多agent8:  写对应agent的提示词9：管理5台服务器，是如何管理的10：如何实现服务器请求的负载均衡的11: 百度的实习暂时就记得这么多，已约4.20二面

给我面没招了，发点面经攒攒人品～1.实习拷打2.项目中的背景挑战困难测评3.对于训练完的模型如果做比较完整的测评要从哪些方面考虑业务场景如何测试4.DPO实现原理5.DPO过程的卡点6.实习项目深挖版本调优7.agent原理8.skills和mcp的区别9.模型上线之后结果不太理想从哪些方面分析情况10.手撕hot100

攒人品中 1.实习深挖2.介绍LLM项目的背景、动机、想要达成的目标、为什么做?3.详细介绍自己使用的技术，遇到的问题，如何解决的?4.使用LoRA微调，在用LoRA时有没有遇到模型不收敛或指令输出格式损失不符合预期?5.LoRAalpha特别强/特别弱会有什么情况?LoRA增量训练遇到灾难性遗忘如何解决?6.评测模型性能好坏的指标?有没有什么量化指标?怎么评估输入和输出的?7.DPOSample偏好尝试不同reward或其他层面的偏好对齐，选择的依据8.有没有微调过多模态大模型?9.Prompt Engineering项目有没有做过?10.手撕非 Leetcode hot100

给我面没招了，发点面经攒攒人品～1.实习拷打2.检索环节做了哪些优化？在检索优化过程中，你是如何进行数据预处理的？有没有使用特定的检索算法？3.答案生成环节做了哪些优化？你是如何在答案生成环节控制生成质量的？有没有引入外部知识源或增强模型能力？4.是否做了 SFT 或强化学习相关工作？在哪个环节做的？你在 SFT 或强化学习中，如何设定奖励函数？是否有定期调整策略？5.SFT 过程中是否对类别标签做了清洗或修正？标签清洗具体是怎么操作的？对性能的提升有多大帮助？6.强化学习的样本量是多少？在强化学习训练中，样本量的选择是否影响到模型的收敛速度？如果有，如何应对？7.基础模型经常分类分不准的案例有哪些？你在模型分类不准的情况下，采取了哪些调整？是通过数据增强还是算法改进？8.在校项目任务的输出可以简单描述并举例吗？任务输出的质量如何评估？有没有一个量化的标准？9.单智能体能否完成在校项目相关工作？为什么要使用多智能体？多智能体系统与单智能体系统相比，是否有提升项目效率的作用？举个例子说明。

给我面没招了，发点面经攒攒人品～1.项目拷打2.大模型和AI的使用广度3.java线程安全的集合4.concurrenthashmap的锁粒度5.cas存在的问题6.解决哈希冲突的办法7.最新的jdk版本的功能8.分代垃圾回收器的工作原理9.垃圾回收如何判断对象是可以被回收的10.能作为gc roots的对象是什么11.java线程池的参数12.线程池的拒绝策略13.redis分布式锁的实现14.如何防止分布式锁死锁15.redis可重入锁16.redis常用数据结构和场景17.常用设计模式和设计模式的好处18.慢查询sql的排查思路

更偏推理基础、工程细节和 CUDA 手写题这场百度 AI Infra 一面，整体感受是节奏很快，前半段主要围绕简历里的项目和实习经历往下问，后半段会明显转到一些更偏推理基础和工程理解的问题，最后还加了一道 CUDA 的手写题。面试官一开始先介绍了团队，说他们在百度智能云下面，训练、推理、强化学习、Agent 这些 AI Infra 相关方向基本都覆盖到了，所以一上来的感觉就是，这不是只盯某一个小点的岗位，而是一个工作面比较宽的 Infra 团队。正式开始之后，前面还是从我现在做的事情切进来，重点还是摩尔线程这段实习。面试官先问我怎么理解自己在做的这个 TensorFlow MUSA Exten...

百度智能体开发面经 百度让转go 1. 自我介绍 2. 算法... http://xhslink.com/o/4EsXP4O44Xf存好这段口令，去【小红书】查看原文~

给我面没招了，发点面经攒攒人品～1. 实习拷打2. 选了一个大模型项目进行深挖3. 这个项目里你真正主导的部分是什么？4. 你这个项目到底解决了什么业务问题？原来人工是怎么做的，痛点在哪？5. 你这个 Agent 是问答型、决策型，还是执行型？边界是什么？6. 从用户输入到最终输出，你这套系统的真实链路是什么？7. 哪些环节必须用大模型，哪些环节不用大模型也能做？8. 如果不用 Agent，只用规则、检索、模板 SQL，能做到几成效果？为什么还要上 Agent？9. 你的知识源具体是什么？API 文档、日志、DDL、Wiki 这几类数据里，最难处理的是哪类？10. 你们知识入库前做了哪些预处理？这些步骤分别在解决什么问题？11. 你为什么把 chunk 设成 512？和 128、1024 相比，各自的 trade-off 是什么？12. 你怎么区分“模型上下文长度”和“知识切片长度”这两个概念？13. 如果 top-k 已经召回了正确证据，但模型还是答错了，你怎么判断问题是在检索、排序，还是生成？14. 如果检索结果本身互相冲突，或者证据不充分，你怎么约束模型？15. 你为什么选 QLoRA，而不是全量微调？16. 你这里的 SFT，本质上是在教模型什么？是教知识、风格，还是行为边界？17. 你做 DPO 的时候，chosen 和 rejected 是怎么定义的？18. 如果 chosen 和 rejected 差异太小，会发生什么？19. 你怎么证明 rejected 真的是有效负样本，而不是误杀？20. 你这个 LLM-as-a-Judge 是怎么设计的？rubric 里哪些维度是硬门槛，哪些只是加分项？21. 为什么要做一致性检测 / swap consistency？它防的是哪类偏差？22. 你怎么做 ablation，证明提升真的是 RAG、SFT、DPO 或 Judge 带来的，而不是别的变量？23. 手撕代码  动态规划24.开放题把DPO 跟Judge 思路迁移到一个视频二创场景：如果目标是让模型扮演某个角色，比如孙悟空，你怎么构造 chosen 和 rejected？视频质量和音频质量如果也跟进的话优先级怎么定？