北京TikTok 后端实习生招聘(帮组里招个实习生，简历直达面试官)

据说三面面试官是团队负责人，平时非常忙，这场面试前前后后约了好几次才终于定下来。 面试时间正好卡在饭点。面试官进来时状态还很饱满，先随口问了我一句：“吃饭了吗？”简单寒暄后，他很快切入正题： “我先给你三道题，你先做。我把晚饭吃了，等会儿还有个会。中间有问题随时开麦问我。” （我虽然听说了字节很忙，但是这是第一次切实体会到“居然忙成这样”…） 说完，他简单交代了题目和要求。 我只回了一句： “……好的，老师。” 三道题分别是：SQL手撕、基础算法、场景题。 SQL已经忘记具体题目； 算法是：链表隔K个元素反转 幸运的是，我整理过一些常见场景题，而那道“4G物理内存给100G文件的排序方法”我刚...

测开圣人 韩哥桃李满天下

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...