小米具身智能算法实习1面

1. 实习中测试目标与验证方法2. 增强轻量化项目中最大的技术挑战在增强轻量化项目中，最大的技术挑战在于如何在保证高性能和低资源占用的前提下，优化现有系统的架构。 需要在设计上实现模块解耦、减少冗余代码，并对项目中关键算法和数据结构进行精细优化。 同时也要考虑兼容性问题，确保新引入的轻量化设计能够无缝集成到原有系统中。3. 代码迁移项目：从 C# 迁移到 C++ 的原因及遇到的问题从 C# 迁移到 C++主要目的是： 提升系统性能、降低资源消耗； 适应底层系统或嵌入式环境的要求。 在迁移过程中遇到的问题包括： 两种语言在语法、内存管理、异常处理等方面存在较大差异； 原有架构需适配 C++ 的手...

1.你是哪里人，来这方便吗？（稳定性提问）2.你为什么选择人力方向？对哪个模块兴趣大？3.既然不从事本专业的方向，那么为什么会选择这个专业。4.在职期间你涉及到的招聘岗位都有哪些？5.你涉及到的招聘渠道和招聘网站有哪些？6.你的数据分析能力怎么样？举例子说明下7.你队于实习地点是怎么考虑的？8.你对于TCL的了解有多少？9.你希望在这段实习中学到什么？10.你遇到不会的会怎么做？习惯自己决定还是询问他人？

1. 没有自我介绍直接进入正题2. 拷打两段实习3. 大模型topp和温度的理解，softmax4. kafka和rocketmq的区别5. 手撕：不大于n的最大整数，说是字节经典第一次见。贪心+回溯

虽然岗位JD一般看起来都挺宏大的，但真实的实习日常其实更多是琐碎和重复的工作。这些基础工作，可能也能够帮助新人更好地理解了AI产品的底层逻辑。最近看到很多同学求职都想往AI方向走，今天就来聊聊我的AI产品实习生的日常在干什么，欢迎对照参考模型评测：最容易上手的工作✔ 外部模型评测：每当 OpenAI、Google、字节等头部公司发布新模型，我们团队会安排实习生对这些模型做初步评估✔ 内部模型评测：对自研模型的版本迭代，评测会更细致（比如对特定能力做细粒度拆解）🧠 这部分工作虽然“体力活”居多，但非常适合快速熟悉大模型能力的边界，是入门AI产品的第一课AI产品体验&调研在这项工作里，我们往往要求实习生输出文档/分析表格。我安排调研过的方向有：AI agent相关的产品：如AI搜索的perplexity、秘塔；浏览器产品genspark等等AI陪伴：如星野、猫箱、EVE等，看它们最近的新功能（比如对话记忆、人格设定），还会看用户舆论反馈、App Store/小红书/微博评论等产品调研最后往往要落成一个文档，重点在于：总结共性+提炼启发+对自家产品的参考建议数据标注模型训练需要高质量数据，很多时候你会参与一些小规模的数据标注工作：比如标注用户query的意图分类、判断一段模型生成内容是否符合prompt要求。和算法同学一起协作，有时候也需要你写清楚标注规范、整理excel表格。虽然量不大，但数据质量直接决定了模型效果，所以这其实是很锻炼细心和产品sense的工作。Prompt 工程实践：AI产品核心技能之一现在越来越多AI产品都依赖prompt来驱动智能逻辑，实习生常被分配去写一些具体模块：比如一个AI伴侣产品需要实现“早安问候”，你需要写prompt让模型根据不同用户状态生成不同风格的问候语。写完还需要配合做A/B评测、准备评测集，看不同prompt方案下效果是否稳定、是否可控。总结一下：我的AI实习生们日常大概率会围绕这四件事展开：模型评测 → 产品调研 → 数据标注 → Prompt调优它不像传统产品那样做完整PRD/功能落地，而是更多和模型能力深度绑定。