CV/多模态实习生招聘

4.29晚上面的 总共40多分钟。日常打招呼，自我介绍。1、拷打项目· 介绍一下多感知任务的这个项目是怎么做的？（目标检测、语义分割以及深度估计）· 你对于目前深度估计这个发展的看法（AI更好还是传统更好？）· 终端部署的时候你们算力限制是多少？在什么设备上面？运算速度如何？有没有做任何的优化？· 大概说一下模型的端侧部署的关键技术。（不仅仅讲流程，需要知道这个过程中会遇到的常见的问题）· 英语怎么样？用英语做个自我介绍。（确实没太准备，换了个开放性的英语问题。 How do u think about AI Agent in the future?）2、反问· 问了一下部门所负责的业务，做哪些工作？总结：目前来说，感觉企业很看重端侧部署的经验，感觉这个还蛮吃香？基本约面的都会问这个。然后其次就是对感知任务本身的了解、任务本身的原理？模型架构的熟悉程度？是否有着手调优模型的经验？二编5.26已oc

5.16 三面结束 我看粉丝投稿的4.21 一面的 二面过完5.11. 自我介绍2. 怎么理解深度学习损失函数中的最大似然估计 MLE？答案：最大似然估计的目标是找到一组模型参数，让观测到的数据在当前模型下出现的概率最大。深度学习里的分类任务通常把模型输出看成条件概率分布 p(y|x; θ)，训练时希望真实类别的概率越大越好。实际优化时通常不会直接最大化似然，而是最大化对数似然，或者等价地最小化负对数似然。交叉熵损失本质上就是负对数似然。比如多分类中，真实标签是第 y 类，模型对这一类预测概率是 p_y，loss 就是 -log(p_y)。预测越自信且正确，loss 越小；预测越错，loss ...

最近帮不少同学看了Agent开发方向的简历。能明显感觉到，能过初筛的简历，其实不一定项目多复杂，但都有一些共同特点。而很多简历被刷，也往往是因为几个重复出现的问题。下面这些问题，我几乎在每份简历里都会看到，对照看看你的简历有没有中招。1、把团队项目写成个人独立这是比较危险的写法，也是最常见的。项目描述里写着"多智能体协作系统"，但每一条bullet都是"我实现了 X""我负责了 Z"，涵盖了从模型训练到前端推送、从检索模块到容错机制的全部内容。一个人在一两个月内独立完成所有这些板块，面试官可能存疑。问题不在于参与了团队项目，而在于没有把自己的边界画清楚。如果追问"这部分你自己写的还是有人配合"，答案是"有人配合"，但简历上写的是"我实现了"，整份简历的可信度都会被打折。正确的做法是收窄范围、写深细节，独立负责的两三个模块，认认真真写清楚技术细节和效果。范围缩小了，每一条反而更可信，面试官也更容易顺着你写的方向深挖。2、有数字，但baseline不清楚数字本身不是问题，baseline不明确才是问题。"召回率提升 25.9%""平均压缩率 62.6%"这些写在简历上看起来很有说服力，但面试官的下一句话一定是："相比什么提升的？怎么测的？测试集是什么？"如果回答不上来，这个数字就从加分项变成了减分项。面试官会开始怀疑：这个数字是精心设计的测试条件下跑出来的，还是真实场景的效果？更麻烦的是，有些数字写出来反而会自己暴露问题。比如 7路并行说效率提升 70%，这意味着大部分任务是串行的，面试官一追问"那并行的部分是哪些，为什么其他部分不能并行"，反而把系统设计的弱点暴露出来了。还有一类是"理论值型"数字，比如 N 路并行加速比"接近 N 倍"，在有网络 IO 和 LLM 调用的 Agent 场景里，这个数字几乎不可能出现，听起来就是理论上限而不是实测结果。3、两个项目方向完全不搭一份简历里，一个项目是 Agent 应用开发，另一个是系统编程或算法研究，两者之间没有任何叙事联系。两个项目平权放着，篇幅差不多，面试官读完不知道主方向是什么。如果和 Agent 无关的项目篇幅反而更长、细节反而更丰富，面试官会产生疑问，Agent 项目是你真正主攻的方向，还是顺手做的实验室小活？这个疑问一旦有了，对 Agent 项目的可信度也会打折。项目之间不搭，有时候是因为经历本来就跨方向，没办法。但写法上可以做处理：和投递岗位关系不大的项目，压缩到三四行，只保留"我有这方面底子"的标签信号，细节全砍；主项目展开写，把篇幅和密度都给它。更好的做法是找到两个项目之间的联系，哪怕只是"系统编程项目证明了我有 C++ 工程能力，Agent 项目体现了我把这个能力用在了大模型应用上"，有了这条线，两个项目就不再是割裂的，而是互相支撑的。4、bullet只说了做了什么，没有怎么做和结果这是最普遍的问题，几乎每份简历都有。"构建了包含意图理解、动态检索、文档过滤和流式生成的完整 Agent 工作流。"读完知道你做了这个东西，但不知道难点在哪，不知道你的技术选择是什么，不知道做完之后效果怎么样。"完整工作流""全流程闭环""端到端链路"，这类词不传递任何信息，面试官看到只会跳过。一条合格的 bullet 应该包含三件事：做了什么 + 怎么做的（关键技术选择） + 解决了什么问题或达到了什么效果。缺"怎么做的"，没有区分度。缺"效果"，面试官不知道这件事做没做成、做到什么程度。三件事齐全，才能给面试官一个可以深挖的入口。效果不一定是百分比。"从需要人工介入降到全自动运行""时延从 1.4s 降至 360ms"，有具体对比就比形容词强。最后写简历的时候有一个最简单的自测方法：把每一条 bullet 单独拿出来，问自己"如果面试官对这句话感兴趣，连续追问三个问题，我能不能全部答上来"。答得上来的留，答不上来的，要么删要么补完细节再写。简历的作用是给面试官提供一个可以深挖的入口，能撑住追问的 bullet，才是真正的加分项。