腾讯云智技术产品 23届春招（待谈薪）

继续来分享下最近的面经~欢迎友好讨论，信息共享1. 项目拷打2. 大模型和AI的使用广度3. java线程安全的集合4. concurrenthashmap的锁粒度5. cas存在的问题6. 解决哈希冲突的办法7. 最新的jdk版本的功能8. 分代垃圾回收器的工作原理9. 垃圾回收如何判断对象是可以被回收的10. 能作为gc roots的对象是什么11. java线程池的参数12. 线程池的拒绝策略13. redis分布式锁的实现14. 如何防止分布式锁死锁15. redis可重入锁16. redis常用数据结构和场景17. 常用设计模式和设计模式的好处18. 慢查询sql的排查思路19. 常用git命令算法是螺旋矩阵

大家好，最近校招圈最炸的消息，莫过于百度3月9号启动的2027届暑期实习了。5000+Offer，90%是AI岗位，七大业务专项同步启动。说实话，我在这个行业这么多年，这种级别的招聘力度，确实少见。说实话，看到这个数字的第一反应，我也和大多数人一样——“真的假的？怎么突然这么大动静？”。立刻去找百度内部的同学打听了一下，又翻了翻最近行业的动向，才意识到这波招聘背后的信号，比表面数字要深得多。先说说行业。今年开年以来，AI领域的竞争明显在加速，各家都在抢滩。而内部聊到的信息更直接：这次5000+Offer不是临时起意，是业务线的硬需求堆出来的。七大专项，对应的是大模型、自动驾驶、AI芯片、智能云...

一、自我介绍与项目深挖做一下自我介绍。简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？结合实习或项目，做细节追问（工作流、职责、决策、挑战等）。二、Agent 与提示工程相关提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？上下文是如何构建的？你们怎么避免上下文过长或信息污染？如果上下文窗口不够，你会优先保留哪些信息？为什么？三、代码理解与单测生成（工程场景）做代码理解时，AST、调用关系这些信息是怎么用起来的？单测生成里，哪些代码不适合生成单测？你们是如何识别并过滤的？覆盖率高但测试质量很差，你见过吗？你们是如何解决的？mock 在单测里什么时候是必须的？什么时候反而会带来问题？如果一个函数同时依赖数据库和 RPC，你怎么让模型生成的单测稳定运行？你们如何评估生成单测的质量？ 除了覆盖率，还有哪些指标有效？四、LLM 基础与 Transformer 细节LLM 的输入到底是什么？模型真正看到的内容包含哪些？self-attention 的核心作用是什么？为什么要拆成 Q、K、V？为什么 attention 能建模长距离关系？为什么需要 multi-head？attention 为什么可以看成动态加权？同一个 token 的 Q、K、V 为什么不相同？attention 复杂度很高，当上下文特别长时，你会怎么优化？模型产生幻觉的常见原因是什么？工程上有哪些方法可以降低幻觉？五、后端与系统基础Python 有多线程吗？GIL 是干嘛的？什么时候多线程才是有用的？讲一下 C++ 从源码到可执行文件的完整编译流程。六、算法题（手撕）给定一个数组 nums，计算所有子数组的中位数之和。定义：如果子数组长度为奇数：中位数 = 排序后中间的数。如果为偶数：中位数 = 排序后靠左的那个数。要求：计算所有子数组的中位数之和。

祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.论文拷打4.问我用的什么分布式训练方法，然后让我介绍DDP5.介绍vLLM，我把我知道的关键的内容都说了6.了解deepseek吗？讲讲deepseek moe，优点和缺点是什么？7.讲讲MLA8.pytorch 的自动微分是怎么实现的