有收到迅雷二面的吗

1.实习拷打2.项目拷打3.八股:1.GPRO 相比 PPO 的优缺点是什么?2.PPO 是如何计算优势的?GAE的原理?3.有了解过除了 GRPO 的其他强化学习训练方法么?4.DAPO 改进了什么地方?5.你觉得 VERL 框架如果用 DAPO 该改哪些地方?6.DPO的原理是什么?如何推导出来的?7.重要性采样的原理?8.SGD、Adam、AdamW 的区别和改进9.你平常使用什么编程语言?Python 精通么?10.Python 的**是干什么的，**kwargs 是干嘛的，@字符是干嘛的?装饰器的原理是什么?11.平时用什么 AI编程软件?有对比过 cursor里面不同模型的效果么?12.你觉得大模型未来会朝着哪里发展?13.你做的这些项目，如果回过头来，哪个最想迭代改善?代码:Leetcode718 最长重复子数组

90% 的人简历石沉大海，并不是因为技术不行，而是因为从一开始就写错了方向。大多数人写简历时，下意识会把它当成一份经历记录：学了什么技术、做了哪些项目、按时间顺序全部写上去，以为内容越多越专业。但现实很残酷，简历投出去往往连回音都没有。问题不在你学得不够，而在于你没有把“价值”写出来。简历的本质，从来不是记录你做过什么，而是向公司证明：你能创造什么价值。企业招人的目标也很明确，他们不是在找“会技术的人”，而是在找“能用技术解决问题的人”。如果一份简历只是技术名词的堆砌，却没有告诉对方你解决了什么问题、带来了什么结果，那它很难在筛选阶段活下来。很多人会在学习阶段陷入纠结：到底该学什么？这个技术会不会烂大街？是不是技术栈不够广就没有竞争力？其实这些问题在一开始都不重要。一个非常反直觉但有效的方法是，先把简历做出来，再反向准备项目和技术。因为投简历是结果导向的事情，当你把简历框架先搭好，你会立刻看清楚自己要投什么岗位、岗位需要什么能力，以及接下来一到两个月学的内容，最终会以什么样的成果呈现在简历上。如果一项技术学完之后写不上简历，或者写了也无法提升投递反馈，那它本质上就是无效努力。判断一份简历有没有用，其实也不复杂。直接换一版新简历，不管是在线简历还是附件，都全部替换，然后去平台投递，看打招呼率、要简历率、面试邀约数有没有明显变化。如果数据比之前好，说明方向是对的，这时候再回过头去细致梳理项目，从背景、问题、方案、技术细节到最终结果全部过一遍，确保在面试被追问时能讲清楚。简历负责敲门，项目负责让你站得住。在写简历时，先搭一个清晰的框架很重要，比如教育背景、实习经历、项目经历、专业技能。真正拉开差距的不是结构，而是内容有没有“问点”。一份好简历，既要让技术面试官看到深度，也要让非技术背景的 HR 能迅速明白你会什么、是不是匹配岗位。很多技术人会忽略这一点，以为简历只是给技术面试官看的，结果满篇专业名词，HR 看不懂，直接卡在初筛。基础技术该写清楚的就写清楚，不求炫技，只求可识别、可匹配。项目和实习经历的价值，也常常被误解。很多人以为项目好，是因为技术更深；实习好，是因为能力更强。但从面试官视角来看，真正的区别在于有没有提问点。比如你写了解决超卖问题，面试官就可以顺着问锁的选择、并发控制方案、再延伸到 JUC 或分布式锁。一个好的项目，本质上是一个八股的入口，而不是用来装点门面的经历描述。所以在写每一条项目时，都应该问自己一句话：这是不是在制造可以被追问的点，还是只是堆名词显得自己很厉害。说到底，写简历，最底层的逻辑就是放弃“记录思维”，建立“价值思维”。先做简历再准备，是让努力有明确方向；技术点结合问题和成果，是让价值有事实支撑。简历不需要多华丽，只要能让公司清楚地知道，你能用技术解决他们的问题，并创造他们真正需要的价值，这份简历就是成功的。

范围好，面试难度相对温柔，转正概率高。帮组内直招，先看简历合适再投递！！xdm速来

1.自我介绍2.MCP是什么3.MCP 和 Function Call的具体区别是什么4.Function Call是内置的吗?如果是内置的话，Function Call有哪些内置的?5.MCP的具体过程6.代码进行修改是谁来做的?是大模型做的吗?7.大模型 MCP 和 用户的Prompt 是如何进行协作的?8.MCP里面有哪些概念?9.一个大模型 举例 Deepseek是如何生产出来的这个流程大概清楚吗?10.如果用户反馈Deepseek代码能力不行 或者 反馈Deepseek偏主观 应该如何解决这些问题呢?11.position属性的作用是什么?有哪些值?12.设置了position:xxx 之外 还能设置哪些属性?还能怎么设置改变具体的位置?13.JS里for in 和 for of 有什么区别14.?.的作用是什么 可选链操作符15.React中受控组件和非受控组件16.了解虚拟列表吗17.手写LRU缓存算法18.反问感觉考了蛮多大模型倒是😭