备战AI技术研发岗（算法/大模型/多模态）面试，刷题不能盲目！以下题单覆盖面试90%高频考点，不用贪多，刷透这些就够了！一、算法基础必刷题（重中之重，刷50-60题）核心目标：应对面试手撕代码，基础不丢分，这是入门门槛，不能偷懒！刷题范围：LeetCode 中等难度为主，重点刷数组、链表、栈队列、二叉树、动态规划、贪心，不用刷难题怪题，聚焦高频题。必刷重点：两数之和、二叉树的遍历（前中后序，递归+迭代）、最长回文子串、最长递增子序列、LRU缓存机制、TopK问题、二分查找（各种变体）。刷题数量：每天1-2题，总共刷50-60题，刷完复盘总结，确保同类题能举一反三，避免刷了就忘。二、机器学习必刷...

大学玩了四年，考研学一半放弃了，秋招没参加，0实习，现在项目刚做完，力扣hot100刷了五十道，八股还没背大厂肯定不指望了，准备春招冲一冲中厂看看能不能拿十几k

1. 从 R-CNN 到 Faster R-CNN 的演变R-CNN：Selective Search 提候选框，逐框CNN提特征，慢。Fast R-CNN：整图卷积 + RoI Pooling，共享特征，速度提升。Faster R-CNN：引入 RPN 生成候选框，实现端到端 two-stage 检测。2. 目标检测 two-stage 模型有哪些？典型 two-stage：Faster R-CNNMask R-CNNCascade R-CNN特点：精度高，尤其对小目标和复杂场景更稳；但速度一般慢于 one-stage。3. 说一下 NMS 的处理思想NMS（非极大值抑制）用于去重框：按置信...