一面在主页二面本来以为一面不太行，结果有二面了。上来自我介绍，然后问成绩排名，整个专业多少人，你基本排多少名。然后问熟悉的专业课，我说计算机网络，就开始问计算机网络。计算机网络你最熟悉哪一层的协议？我说传输层，她就问我TCP\UDP。TCP、UDP区别，TCP可靠传输靠的什么，三次握手具体名称什么的。UDP的优势。什么协议基于TCP什么基于UDP。DHCP发出第一条信息第二条信息类型，里面字段带什么信息，一般发几条，什么情况下会减少？P2P了解吗？P2P在我们的产品上会有哪些应用？熟悉的编程语言。对AI的运用，这里问的很细，比如说问平时怎么用，有没有自己没有审计直接让AI自己修的经历，怎么才能...

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

双非本科，靠着字节、百度、蔚来三段实习一路撑到春招，到现在才真正认清现实。一封封感谢信砸过来，慢慢明白，学历和学校带来的门槛，远比几段光鲜实习要重得多。最让人无力的，莫过于拼尽全力刷实习、攒经历，最后却连一个入场机会都换不来，那种落差感真的太磨人。总自以为是地觉得，有大厂实习就够了，一定能挤进心仪的公司，可现实一次又一次把幻想击碎。现在的我，早已没了春招初期的锐气，只剩下满心的迷茫和惆怅。不知道是该坦然接受现实，还是继续抱着不切实际的期待，在大厂的梦里不肯醒。

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，...