27届想进大厂？实习经历真的不能等！

1-自我介绍2-介绍实习其中一个项目3-在实现这个项目有什么难点？项目做好是怎么托付给上面的，你对权重啊有做什么调试吗？（这个是实习项目，可忽略）4-css有几种类型5-margin padding区别6-http1和http2区别7-dispatch打印1，setTimeout打印2，promise打印3，输出为什么？8-一个场景，如果给个输入框，用户输入后后端会发送请求，你会怎么上手做这个内容9-接上一个，说如果用户输入结果，后端响应，这时用户又输入，后端又响应，这种问题怎么处理10-浏览器对接口的限制（俺不会）11-数组遍历方法反问：1-业务：面试官说了很多但是我网太卡了，断断续续，有电流音，大概听出来是什么系统翻新迭代，同时公司有内部的3d引擎，应该是其他部门的2-实习生规模？这个部门2个hc，加起来3个前端实习生，其他部门也还有hc3-面评：挺好的结果：技术面过，约线下hr面已offer没去

面试官说八股招过来的存在能力不足的现象，此次面试以项目面为主，加粗的是我没准备好怎么回答合适的自我介绍，提到实习带来的成长介绍公式编辑器的动机、调研、技术栈的确定、数据结构设计、渲染器设计有没有想过优化构建速度（这个真没有）；继续介绍数据结构的扩展问题、可扩展导出逻辑带入变量值、给出计算结果（我觉得这个需求不是一个公式编辑器该做的）；内置公式模板（这个难度不高）；看目录结构设计、对 Taro API 的跨端封装、配置文件；代码生成脚本日志记录器需求、展示已经存储的字段；打开 UI长列表有没有做性能优化（这个 Flutter 内置）；让你做一个原生性能优化怎么做（提出一个分 chunk 请求与加...

AI大模型算法，一环扣一环的拷打Transformer 基础详细介绍 Transformer 架构（Encoder-Decoder 结构、位置编码、FFN 等）Decoder 的因果注意力中，Q、K、V 分别来自哪里？→ Q 来自当前 Decoder 输入（已生成的 token 序列），K 和 V 也来自同一序列（需 mask 未来信息）Attention 为什么要 scaled？不做会怎样？为什么是√dₖ？→ 点积随 dₖ增大会让 softmax 进入饱和区，导致梯度消失；除以√dₖ可使方差稳定在 1（数学推导参考 Vaswani 论文）Transformer 如何加速推理？KV Cache 是什么？训练 vs 推理的并行性差异？→ 训练时所有 token 并行计算；推理时自回归，KV Cache 可缓存历史 K/V，避免重复计算，大幅提速多模态论文深挖（以 Video-LLaMA 为例）讲解 Video-LLaMA 的整体结构→ 视频编码器（如 ViT + Temporal Aggregator）→ 投影层（对齐文本空间）→ LLaMA 语言模型论文中 CoT（Chain-of-Thought）的具体设计？→ 在 prompt 中加入推理步骤示例（如 “视频中先看到人挥手，然后狗跑过来…”），引导模型分步作答微调 & 分布式训练微调用了 LoRA，介绍其原理→ 将权重更新 ΔW 分解为低秩矩阵 A×B，冻结原模型，只训练 A、B，大幅减少可训练参数LoRA 初始化怎么做？秩（rank）设为多少？为什么选这个值？→ A ~ N (0, σ²)，B 初始化为 0；常用 rank=8 或 16，在效果和参数量间取得平衡（实验验证）知道 DeepSpeed 和 Megatron 吗？分别说说→ DeepSpeed（微软）：主打 ZeRO 显存优化；Megatron-LM（NVIDIA）：张量并行 + 流水线并行论文用 DeepSpeed，三个 Stage（ZeRO-1/2/3）分别是什么？→ Stage1：优化器状态分片；Stage2：+ 梯度分片；Stage3：+ 模型参数分片（通信换显存）二面下一篇再写吧，力竭了

最大的区别，其实是成长路径的不同 —— 大厂教你 “守规矩、懂标准”，小厂逼你 “扛责任、练全能”。两者没有绝对的好坏，只看你当下的需求和职业阶段。在大厂实习，你更像是庞大机器上的一颗 “精密螺丝钉”。岗位划分得极其细致，比如做后端开发，可能三个月只负责一个接口的优化、一个模块的单元测试，接触不到完整的业务链路。但好处也很明显：你能接触到行业顶尖的技术规范和工程化流程 —— 比如代码评审（CR）的严格标准、高并发场景的解决方案、分布式系统的架构设计，甚至是大厂专属的中间件和工具链。身边的同事大多是名校或资深工程师，日常交流就能学到不少干货；实习证明的含金量也更高，写在简历上，是后续求职的 “硬通货”。不过缺点也很突出：层级分明，实习生很难有话语权，大部分时间都是执行正职分配的任务，自主发挥的空间很小。而在小厂实习，你更像是一个 “多面手”。可能身兼数职 —— 写后端接口的同时，还要帮忙搭测试环境、对接前端联调，甚至参与产品需求的讨论。没有那么多繁琐的流程，一个想法提出来，马上就能动手落地，能快速体验 “从需求到上线” 的完整闭环。小厂更看重你的 “解决问题能力”，遇到技术难题没人能手把手教你，只能自己查资料、试错、复盘，这种高压下的成长速度往往是爆发式的。但短板也很明显：技术栈可能不够前沿，工程化规范相对薄弱，甚至存在 “野路子” 写法；实习证明的认可度远不如大厂，对校招的加成有限。说到底，大厂实习适合想要夯实基础、积累履历、明确职业方向的应届生；小厂实习适合想要快速提升实战能力、不怕吃苦、愿意主动探索的同学。