自我介绍实习经历（问的比较片面，没有通用性问题可以供大家参考）AI 相关MCP 使用的是什么协议，这个协议和其他协议有什么区别？结构化输出是怎么样做的？MCP 相比Function Calling有什么优势？Agent 工作时工具调用失败或者超时怎么做？ReAct 模式下Agent思考进入死循环了怎么做？Multi-Agent 架构具体怎么实现的？流式处理怎么做的？算法题 从根到叶的二进制数之和

整体面试还是不错的，发下面经给大家参考～1.实习介绍2.在微调大模型时使用过哪些框架3.CLIP模型的zero-shot能力是如何实现的？4.Transformer中Pre-Norm和Post-Norm的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型（如LLaMA、GPT）中，为何通常采用Decoder-only架构而非Encoder-Decoder结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对Transformer模型推理过程，会采用哪些优化手段8.请阐述检索增强生成（RAG）的核心原理，并说明如何通过RAG缓解大模型的幻觉问题。9.vLLM框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10请对比RLHF、PPO、DPO算法的技术差异、优缺点及适用场景

先交代背景：我去年过年时还在学JS，项目简历一片空白，拖到25年三月中旬才开始投递。现在回头看，节奏确实有点拖。过年没必要硬学，但简历建议早点准备。好简历不是写出来的，是改出来的。说几个我改简历时发现的最坑问题： 1. 简历最大的坑：把业务叙述和技术实现混作一团 我见过太多同学把"用了Vuex、Vue-Router、Axios"写三行，面试官看完不知道你解决了啥。STAR法则真的是老生常谈，但很多人不以为然。 项目描述必须从背景→问题→你的架构设计→可量化的提升形成闭环，这个真的非常重要。还有就是技术关键词自检：每段经历至少塞一个性能优化/工程化/复杂状态相关的描述。项目分...

24年6-8月，我的大三暑假，在鹅厂pcg度过了一段难忘的实习时光。那年的面试很顺利，一共面了3家offer了2家，进了组之后同事们都很好，mt是我的校友，至今仍然保持良好关系。后来我放弃了转正机会，因为觉得保研名额来之不易，我觉得硕士毕业后一定可以有更好的工作，更高的工资。可是之后发生的一切却让我始料未及。一年半过去，我会的东西变多了，却从1月起再难以通过任何一家公司的一场面试。目前的我有客户端的实习经历，有后端的知识储备，有agent相关的项目履历，且因研究生阶段师兄带着做科研对大模型相关的知识也有一定的了解。力扣刷了500题，说多不多，说少不少，反正把hot100和灵神题单1700分以下的都做了遍。但为什么自己就是通不过面试呢？客观分析的话有自己不够专精某一方面的因素，每次面试刚开始被问一个点的时候刚开始还OK，面试官接着深入拷打，我就没啥办法了，临场应变能力也不行。说白了：BFS❤️；DFS💔。另外就是自己没有一套很好的学习体系，总是拆东墙补西墙，因为某次面试被拷打项目，就疯狂准备项目相关的知识，忽略了计算机基础，结果下周的另一场面试被面试官计网OS一通轰炸。说了这么多，聊聊我目前的状态吧。很多大厂最近都开放了春招实习的投递，我目前采取的是海投策略。这周的Timeline大概就是周四要再次征战鹅厂，wxg的面试强度想必大家都了解，我也没有抱希望能过，以学习为主吧。周六的团子笔试应该可以试一下，毕竟有两次机会，而且貌似团子不咋看笔试分数？蚂蚁也发了笔试邀请，但因为阿里系今年笔试的改革，打算观望一下第一场的情况再参加。对自己下阶段的期望，就是不要怀疑自身的能力，然后客观评估自己当前的水准，持续进步。感谢大家能看完哥们的碎碎念，祝各位牛友都早日拿到理想offer，我后面也会持续更新自己的面试记录，也欢迎大家来一起交流呀