暑期3月初开始投的，现在拿到了字节offer和小红书还有虾皮offer，打算当节孝子了简历挂:快手，小米，京东，米哈游，网易等投了70份官网，绝大多数简历挂。反而BAT会给面试，挺没想到的。京东最离谱换了几个都投不进去。其中给面试的有货拉拉，腾讯，字节，小红书，虾皮，百度，蚂蚁面试评价:蚂蚁:强度拉满，一面70分钟问了许多并发下金融安全的问题(实习是借贷相关的)，其中二面面了100分钟，给我人面晕了，全是对分布式场景下的问题扩展(我的项目不涉及到分布式但是面试官基于此扩展)，三面是主管加hr面，需要英文自我介绍，没准备，所以整场面试观感很差。最终，三面后排序挂了小红书:问题非常有深度，一面和二面都拷打了场景题，场景题都是基于hdfs的思想延展的，面试可以学到很多东西虾皮：因为业务对口，也是做信贷的，所以一面和二面侧重于对信贷业务的理解，问的问题比较常规，场景题基于bitmap问的字节:三轮技术面加hr面，一周内面完，字节还是经典的套路，一面项目广泛问但不深，二面深入问项目，三面是系统设计加场景题，hr面居然也问技术我是没想到的😂，问了技术选型怎么做的。整体强度不如蚂蚁，但是也很有收获。面试官人也好，很认真看简历，指出我简历写的不好的地方😂😂😂腾讯:拉完了。。。。首先是被S3捞简历，然后被kpi面一面挂，后面被腾讯云捞起来，前面两面挺正常，3面面试官是个老登，全程给了3道数学题和2道智力题，让你做，做完了后草草了事，随后拖了两个星期再挂我。。。腾讯你牛大了😅，招到人了，就别面啊，早点释放我简历，我投其他部门说不定就成鹅孝子了货拉拉：一面挂，问的都是大模型相关，我不太了解，比如transformer架构，原理，前馈神经网络的作用，什么是模型预训练等ai相关的。估计是业务不对口，所以一面挂百度:一面后秒过，约二面拒绝了，不想面试了，面试准备过程中，整个人处于高压状态，需要调整总结:暑期实习能有面试机会是很难给机会的，我官网投了70份，boss沟通1000➕。而且还是有一段实习的情况下，只有6个面试。所以得把握好每次面试，当然想腾讯这种池子这么大的，图个乐呵就好😅😅

攒人品中，祝大家都能拿到满意的Offer！Q1 平常接触的大模型有哪些？都做了哪些工作？Q2 模型的测评指标都有哪些？Q3 针对简历中的项目经历进行提问Q4 项目经历中的产品指标，系统集成以及算法指标以及用户体验相关指标Q5 自身如何看大做过的这些项目？有何优化空间？

发一下问题给大家参考，攒攒人品！1.项目拷打2.讲一下主要的多模态模型的模型结构3.对多模态的数据有什么了解4.之前的工作的多模态数据有什么特点和创新点，觉得还可以有什么改进5.统一生成理解模型下游微调各个任务的数据是怎么构造的6.dpo算法是怎么实现的，和其他强化学习有什么区别7.看项目有目标检测任务，问了IoU是怎么算的，目标检测一般有哪些损失优化8.实现dpo损失，按照想法能写多少是多少，不要求跑通

只记录总结了一些没答好的推荐系统用例设计：基础的功能交互：图片封面的尺寸，关键词的截取，后台的一些用户点击，停留时长以及收藏等行为是否正常上报，还有负反馈机制，就是说用户点击“不感兴趣”后是否当前列表会立即移除该内容，最后就是推荐结果和详情的一致性，进入的详情页要和推荐位显示的内容一致算法效果的测试：比如说相关性：是否与用户的搜索内容是强相关的，多样性：推荐的内容对应的tag是否是同一类目，然后还有实时更新：用户在一个地方停流了很久是否后台会出现该信息，然后是推荐列表是否包含一定的低频上线内容特殊场景的测试：用户没有历史行为的反应，没有商品的反应，极端搜索的处理，出来的内容是否符合规定数据和性能的测试：接口的性能，容灾的一个降级，离线和线上的一个对齐接口过慢：首先会去看监控，观察CPU和内存还有网络IO的一些情况，确认是否是硬件资源的瓶颈，接着会去查询慢查询日志，看看数据库的性能能否优化，比如说可以添加索引啊，还有一些sql语句不合理的情况可以处理一下，比如一些嵌套查询可以优化成联表查询，对于一些数据量过大的表可以进行一些分库分表的操作。业务逻辑中可以采用异步的流程，可以看看是否发生了FullGC,以及是否有一些递归导致时间复杂度过高。最后是网络，可以看看Redis是否变慢，队列是否积压，或者请求是否过多，可以适当做一些限流策略面对偶现的bug:面对偶现的bug,需要去差全链路的日志，确认当前的用户环境以及查看输入的参数和环境的快照等等，第二步是尝试利用压力测试去强行复现，找到它偶现的一个规律。算法：最长公共前缀（leetcode 14）ac

我估计是已经招到人了，真kpi大王了自我介绍项目是你自己做的嘛里面的哪些内容和AI有关系RAG是什么比较偏向于测试还是测开大三下还有课嘛算法，出了道dp有一个背包的最大容量为10kg，现在有一些物品和它们的重量以及价值如下:1:重量2kg，价值62:重量2kg，价值103:重量3kg，价值124:重量6kg，价值20你的目标是选择这些物品放入背包中，使得总重量不超过10kg，同时总价值最大化。每个物品只能选择一次。未来规划。反问，面试官感觉特别着急走

📍面试公司：百度PSIG🕐面试时间：2026.3.30💻面试岗位：测试开发实习❓面试问题：1、自我介绍2、聊聊你项目中的亮点？3、你在项目中的职责是什么？4、开发过程中有没有遇到什么问题？如何解决的？5、你从这个项目中收获了什么？6、针对你提到的文件上传说说测试用例如何设计？7、你最近一段测试实习主要做了什么？涉及哪些端？8、测试覆盖率如何计算的？9、设计自动化测试脚本过程中的难点是什么？10、自动化测试的case是否需要人为确认其效果？如何验证脚本可行性？11、算法题给定一个caseList（用例列表）和一个deviceList（设备列表），请实现一个算法，将所有用例均匀分配到各个设备...

3.26下午面的，问了问项目，redis基本数据类型，布隆过滤器原理，rocketmq如何避免丢失，幂等什么的，如何压测KPI面吧，面试官不开摄像头，听见对面办公室的喧闹声音，大概40多min手撕快排，自己在本地IDEA写，如流屏幕共享反问，建议我换一个ai项目

慢sql查询介绍llm实习介绍agent项目介绍现在要把30s串行的任务，改成3s完成，qps要求为10，线程池参数如何设计？

给我面没招了，发点面经攒攒人品～1.项目怎么做的，用了什么技术2.单一Agent还是多Agent3.Agent里面有几个工具4.为什么不用大尺度模型或者新的模型，怎么考虑5.数据怎么构建的，怎么评价数据的质量6.强化学习中遇到了什么问题，因为强化学习很容易训崩，怎么解决7.都是通过规则约束吗，没有中间过程的约束吗，要设计中间奖励8.每一部分得分是多少，怎么计算这个得分9.大模型多模态有了解吗10.介绍一下子注意力机制11.为什么除以根号d12.grpo损失函数怎么计算，prompt怎么参与训练，怎么影响模型的训练13.Lora微调原理，怎么初始化，智怎么考虑14.为什么更偏向全量微调，全量微调比Lora微调好在哪里15.了解kvcache吗,为什么没有q16.vIlm原理17.t怎么影响模型的推理能力18.讲一下grpo算法19.grpo不稳定的原因，有什么可以改进的地方

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.在使用MinerU解析PDF时，如果LaTeX解析不完整或错误，一般如何修复?2.在记忆系统中，长期记忆应该保存多久?如何设计记忆的生命周期?3.在记忆系统中，哪些记忆是重要的，哪些是不重要的?如何进行判断?4.在使用记忆系统时，哪些记忆应该被召回使用，哪些不需要使用?5.注入到模型中的记忆token长度应该如何设置?如何进行限制?7.多Agent相关的技术有哪些?最近比较主流的框架或方法是什么?8.什么是AgentScope?9.在多Agent系统中，Skill是什么?10.Skill的具体工作模式是什么?12.什么是大模型的后训练(Post-training)?常见的方法有哪些?13.全量微调和LoRA微调的优缺点分别是什么?14.LoRA的可调参数有哪些?15.DeepSeek-V3使用的强化学习方法是什么?16.GRPO相比PPO、DPO的优势是什么?17.什么是KL散度(KLDivergence)?18.Transformer的自注意力机制是什么?19.直接用大模型做分类，与使用embedding+MLP做分类有什么区别?20.哪些大模型在工具编排(ToolCalling/ToolUse)方面能力比较强?21.算法题:搜索二维矩阵(力扣240)

一面时间：3.20面试官介绍业务自我介绍展开讲一下百度的实习（STAR法则）举一下评测过程中典型的badcase你的工作偏下游，那么是怎么推进闭环的？做ui自动化的时候，url页面相互跳转是怎么处理的？ui自动化用的chrome插件还是自动化平台？挑选一下实习中遇到的困难，你是如何解决的？语言技术栈用的什么？mysql的四大特性（ACID）隔离有哪些级别redis常见八股（分布式锁、三大缓存问题）tcp与udp区别tcp与udp各自举一个使用场景有用过白盒测试吗？算法手撕：leetcode1. 两数之和针对用户登录功能，设计测试用例反问环节二面忘了录音了，反正和一面问的差不多，后面反问的时候跟...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.项目拷打2.DPO损失函数怎么算的3.梯度检查点如何提升效率4.详细讲一下deepseed5.以7B的模型为例，计算训练需要多少显存说明都有哪些部分，每部分怎么算的，以及用deepseed每一个阶段节省多少内存，怎么节省的，计算过程中都有乘以2字节是为什么，什么原理6.做Rag 时候的分块策略7.BM25原理，RRF的原理8.Kl散度的输入是什么，怎么来的手撕：用torch实现kl散度

攒人品中，祝大家都能拿到满意的Offer！1.记忆系统中的意图识别是做什么的。2.为什么embedding选择1024维度，而不是更高或更低。3.Qwen4Bembedding是如何实现的，模型框架是什么，是否属于BERT系列。4.Qwen34Brerank是如何实现的。5.注意力机制(Attention)如何实现。6.Q、K、V矩阵是如何得到的。7.Attention中除以dk的作用。8.如果不除以dk，有没有替代方式。9.多头注意力(Multi-HeadAttention)解释一下。10.多头注意力存在什么问题。11.如何解决多头注意力计算开销过大的问题。12.RoPE是什么，RoPE解决了什么问题。13.memory系统中，如果文本过长如何处理。14.摘要总结会丢失细节，如何解决。15.不同agent之间的记忆如何共享。16.一个agent除了记忆模块还应该包含哪些

一面时间：3.23自我介绍展开讲一下百度的实习（STAR法则）讲解一下图片的评测集是如何设计的评测执行中，有哪些自动化提效的部分agent skill做ui自动化实现细节？测试case的覆盖度如何，通过率大概多少badcase主要集中在哪些部分？针对badcase,解决思路是什么？你编写的功能脚本主要解决了什么问题？代码手撕：如果给你一个包含1000条数据的JSON文件，请你用Python读取它，并统计其中某个字段（如label）的分布，你会怎么做？反问环节。二面时间：3.24自我介绍展开讲一下百度的实习（STAR法则）你针对图片的评测标准如何构建？定义评测标准之后，是靠人去做吗，有没有自动化...

拷打了实习的自动化测试还有完整测试的过程linux命令知道哪些堆和栈的区别sql的topN问题mysql的索引的数据结构口述算法题：数组去重嵌套查询和连表查询哪个的效率更高？还有一些不太记得，下周二面

被横向挂了，希望发出来对大家有帮助！项目拷打15分钟左右：八股：1.模型推理部署的时候用的什么框架，对这方面了解多少，vllm，sglang2.qwen2.5vl和qwen3vl的对比3.qwen2.5vl怎么做的动态分辨率处理的图片或者视频，对比intervl两者有什么不一样的4.ROPE是相对位置编码还是绝对位置编码，原理是什么5.qwen2.5vl里面的MROPE怎么实现的6.DPO，GRPO，PPO有什么区别和不同7.python里的函数是不是对象8.python的装饰器是什么9.除了模型训练侧，agent有了解多少

攒人品中，祝大家都能拿到满意的Offer！1.项目介绍2.实习经历3.jvm内存分布4.new对象分配内存在哪里5.osi七层模型，数据怎么从这七层模型中进行一一传输的6.url输入后经历的变化7.mysql的事务介绍有什么，谈你的理解8.mvcc底层，干什么的9.如何避免幻读的，能避免全部幻读吗10.mvcc是主要在读操作还是写操作

1. 如果让你从 0 到 1 设计一个企业级 Agent 平台，你会怎么划分 Planner、Memory、Tool、Knowledge、Runtime、Evaluation 这几个模块？边界怎么定？我一般不会按“大模型功能”来拆，而是按“责任是否稳定”来拆。Planner 只负责决定下一步做什么，不负责真正执行；Tool 只负责把外部能力标准化，不参与推理；Knowledge 负责把文档、结构化数据、权限和索引组织成可检索资产；Memory 只存跨步、跨轮、跨会话还需要被引用的信息；Runtime 负责状态推进、超时、重试、回放和观测；Evaluation 则独立出来，不跟在线链路耦合，因为...

被横向挂了，希望发出来对大家有帮助！拷打实习1.特征重要性筛选，除了做shuffle还有哪些方法？单个特征的shuffle对其他特征的交叉影响该如何考虑？2.介绍一下SENet3.多任务模型中，针对单个目标头，可以如何优化？4.如何解决MoE中的专家退化问题？5.强化学习落地，如何从离线强化学习切换到在线强化学习？6.奖励函数中的多目标权重如何设置？手撕：1.多臂老虎机：给你k个按钮，每个按钮会返回一个奖励，该奖励服从正态分布，每个按钮奖励的正态分布参数不同，请返回奖励期望最大的那个按钮2.给定一个函数F(x)，实现任意机器学习算法拟合这个函数