拼多多暑期实习服务端开发面经 以为完蛋结果过了

从找暑期实习到秋招和现在的春招，我发现基本我面过的公司都会问八股文，无论是大中小厂，区别就在于问的比例。大厂可能问八股的比例会小很多，但是会问不少场景题，而且问算法的概率很高并且算法很多都是自创的题目。中小厂的话，基本都有八股环境，从java基础到juc和jvm还有mysql和redis和框架这一套，大部分不会特别考察算法。共同之处就在于，如果面试官对实习或者项目不感兴趣，可能就不会问了，现在AI很火，基本都会问AI相关的内容。中小厂对八股的执着，其实藏着他们的招聘逻辑 —— 更看重 “即插即用” 的基础能力。毕竟很多中小厂没有完善的新人培养体系，招进来就希望能快速上手业务，而 Java 基础、JVM 调优、Redis 缓存这些八股内容，刚好能快速校验一个应届生的知识储备是否扎实。之前面过一家做企业服务的小公司，面试官拿着我的简历，从 HashMap 底层实现问到 Spring 循环依赖的解决方式，连 String 为什么不可变这种基础题都没放过，全程像在 “背书抽查”，反而对我做过的项目没多问两句。他们要的不是能设计复杂架构的人才，而是能稳扎稳打写代码、少踩基础坑的执行者。而大厂的八股更像是 “入门门槛”，只占面试的三分之一左右，剩下的全是考验综合能力的场景题和算法题。比如阿里的面试，可能只问一句 “volatile 关键字的作用”，接着就延伸到 “如何用 volatile 解决单例模式的线程安全问题”，再过渡到 “分布式场景下的单例如何实现”；字节的面试更是直接，算法题可能是没见过的自创题型，场景题会让你 “设计一个亿级日活的秒杀系统”，考察流量削峰、防超卖、缓存一致性等多个知识点的综合运用。这些题目没有标准答案，更看重你的逻辑思维和工程落地能力，而八股只是用来确认你有资格进入这个 “综合能力考察” 环节。值得注意的是，2026 年的面试里，八股已经悄悄和 AI 结合了。不管是大厂还是中小厂，问完 JVM 或 Redis 的基础后，总会补一句 “怎么用 AI 优化这个场景”。比如面中小厂时，聊完 MySQL 索引优化，面试官会问 “有没有用过 AI 工具分析慢查询”；大厂则会深入到 “如何用 RAG 技术优化 Redis 缓存穿透问题”“虚拟线程结合 AI 任务调度的实践”。这时候单纯背八股就没用了，得把基础知识点和 AI 应用结合起来，才能接住这些延伸提问。说到底，八股文并没有退出面试舞台，只是不同公司对它的 “用法” 不同。中小厂用它筛基础，大厂用它定门槛，再叠加 AI 和场景题的考察，形成了现在的面试格局。对咱们求职者来说，八股还是得背，但不能死背，要结合实际场景和 AI 趋势去理解，这样不管面对哪种公司的面试，都能游刃有余。

1. 先做一个简短的自我介绍，重点讲你和 AI 应用开发最相关的经历2. 讲一下你做的这个Agent项目介绍一下核心链路一般是用户输入问题后，先做意图识别，再判断是走直接生成、知识检索还是工具调用。技术上可以拆成接入层、编排层、检索层、模型层和观测层。编排层负责 Prompt 模板、上下文管理和工具路由；检索层负责文档切片、向量检索、关键词检索和重排；模型层负责对接通用大模型和总结模型；观测层负责 trace、耗时、召回质量和最终答案质量。 public Answer handle(QueryReq req) { Intent intent = intentService.detect(req...

如题，3月31号面完HR，做完云证，苦苦等4天，清明节还要放三天假。请问腾讯录用评估一般要多久才会发offer，有无腾讯员工能帮我查查进度，我另一个offer入职快到时间了

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...