无论文无实习勇闯春招 虹软科技 计算机视觉算法工程师

算法： 一、算法题 & 代码思路滑动窗口最大值的解题思路是什么？为什么选择使用双端队列？双端队列维护了哪些内容、具备什么性质？口述讲解这道题的整体思路（被judge怀疑写力扣不够多了）八股：二、大大模型模型预训练流程一个开源大模型在预训练过程中会经历哪些步骤？你是从哪些方面、哪些渠道学习并理解这些预训练知识的？（可能这里开始质疑我有点背答案的逻辑了）BERT 和 GPT 架构最核心、最本质的区别是什么？四、简历拷打开始从项目去拷问：你所理解的视频理解是粗粒度总结，还是细粒度描述？能否捕捉动作的开始、过程、结束？固定摄像头场景单一有限，用大模型做事件判断性价比是否不高？简单任务（如闯入检测）是否用小模型、路由、MoE 架构更合适？这种情况下，使用视觉大模型（VLM）的意义在哪里？用大模型做数据预标注，为后续小模型服务，这套思路是否合理？大模型在工业落地中，真正的性价比体现在什么地方？五、反问1，公司业务是否会涉及视频细粒度动作理解？不只是判断 “动作是否发生”，还要精确识别动作发生次数，避免重复扣费、误扣费这类问题。回答：确实有这类细粒度视频理解与识别需求，核心是精准、不重复、不误判。目前业界 / 团队常用方案：用多个专用小模型组合，针对特定任务做定制化小模型。采用 MoE（混合专家模型） 架构，但不是简单路由，路由逻辑需要专门设计，用来解决特定任务。现在也在探索：利用大模型 / 大语言模型的能力，提升复用性，希望换任务也能快速适配，减少重复开发，因此在尝试搭建新架构。2. 关于细粒度视频数据 & 数据集构建训练这些细粒度识别小模型时，数据和标注是怎么获取 / 构建的？回答：采集行业真实数据主要流程：采集行业真实数据 → 交给外包公司标注（YOLO、分割等常规标注）。模型上线部署后，把线上回传的困难样本 / 错误样本再人工补充标注。整体思路：先众包 / 外包大规模标注再人工筛选、修正难例，是业界比较经典的做法。3，面试官一般怎么判断面试者有没有背稿、有没有用辅助工具？回答：看表达一致性真实做过的人，叙述风格、逻辑是统一的；背稿 / 套话，容易在切换问题时风格断裂、内容漂浮。看是否聚焦问题本身真懂的人会顺着问题深入聊；套答案的人容易答非所问、逻辑不连贯。紧张很正常面试少、科研多的同学容易紧张，多面几次就会像日常学术聊天一样自然。建议把面试当成和老师 / 教授学术讨论，懂就说懂，不懂就坦诚，重点看人岗匹配。大概率寄了，就当聊聊天

1. 深入聊聊你的项目，从需求分析到系统设计的完整过程项目背景我做的是一个智能环境监测系统，用于工业现场的温湿度、气体浓度等参数的实时监测和数据上报。系统部署了50个监测节点，每个节点每分钟采集一次数据并上报到云平台。需求分析项目的核心需求：实时采集多种传感器数据通过4G网络上报到云平台支持远程配置和固件升级对功耗有要求，要支持电池供电，续航至少3个月对可靠性有要求，要保证数据不丢失，设备故障要能自动恢复硬件选型主控芯片： STM32F407有丰富的外设接口性能足够，功耗可接受通信模块： 4G模块支持TCP/IP和MQTT协议传感器： 数字接口传感器使用I2C或SPI通信精度和稳定性都比较好电...

牛友们，我是考研挂了 然后简历上的时间顺序重新编排了。另外这简历需要怎么优化呀？考研前拿到一个 小公司的 offer base 北京 图像算法 10*14 公积金 12% 提供住宿。现在重新找工作，约面基本都是各大厂 vivo 字节百度这样的的外包，小公司基本都没几个招人的，现在已经怀疑能不能找到算法了

个人情况广州大学计算机科学与技术（末985），毕业后无计算机相关经验，GAP 6个月（用于系统学习Python）。2025年3月开始专攻Python全栈开发（Django/Flask + Pandas + 算法），8月通过华为OD机考（Python开发岗），技术面通过，11月入职。整个流程3个月（比常规长，因GAP期学习效率低），但最终拿下Offer，核心是精准避坑+高效准备。🔥 对接HR避坑指南：血泪教训只认官方外包HR，拒接“内部推荐”“第一次面试时，一个自称‘华为HR’的微信加我，要求先交200元‘培训费’。最后发现是黑中介！现在只对接德科/科锐的官方HR，他们全程走正规流程。”身份证...