这就是大厂的压迫感吗，一个八股没问1.自我介绍2.实习离职原因。3.上一段实习内容拷打。4.sdk的通信方式改成 rpc 的方案。（实习时用的http）（不会）5.公司项目中注册中心用的是什么，配置中心用的什么。6.有没有做过熔断限流。7.有没有一些多线程的使用场景（准备从背景开始说，直接让说技术实现）。8.说一个之前接触的sql优化场景（直接开背，面试官让我不要背八股，说具体的场景）9.对ai的了解，平时用什么ai工具。10.反问

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

牛爷爷们  是不是实力经历写的太简单了该接着偷点产出 投了快半个月依旧0约面暑期实习  基本把开的大厂官网全投一遍了  求指点我想要去腾讯我想要去阿里我想要去字节我想要去百度我想要去美团我想要去携程我想要去快手我想要去pdd我想要去网易骗你的 我哪都想去😭 球球约个面吧

1. 介绍下你实习学了什么 做过什么项目,为什么离职的2. MoE 为什么能在参数量很大的情况下还能把训练和推理成本压住，真正难点在哪MoE 的关键不是“参数变多了”，而是“每个 token 只激活一部分参数”。也就是说总参数量可以做得很大，但单次前向只走少数几个 expert，所以理论上计算量不会随着总参数线性增长。这个思路在大模型里很有吸引力，因为可以同时兼顾容量和成本。但真正难的地方是路由和负载均衡。路由器如果只偏爱少数 expert，训练会很不稳定，热门 expert 被打爆，冷门 expert 学不到东西。另一个难点是通信开销，尤其多机训练时，token dispatch 和 gat...