美团前端笔试 8.26

研究背景与样本说明本文基于腾讯（支付、企微、腾讯音乐、QQ 浏览器、腾讯新闻等）、字节跳动（TikTok、用户增长、交广等）、百度、美团、京东、Shopee、虾皮、携程等多家互联网公司前端实习面试样本进行归纳分析，重点聚焦计算机网络相关考点。样本特征如下： 覆盖一面、二面及深度追问场景  包含项目驱动型提问 + 八股知识型提问 明显体现当前趋势：从“记忆型八股”转向“原理 + 场景 + 取舍”你往下看就知道考的高不高频率了就是说核心结论：计网考察的三层模型当前大厂前端计网考察，已形成稳定的三层结构：1. 基础认知层（必答正确） HTTP 各版本差异  TCP / UDP 基础  HTTPS 原...

说个可能不太"ZZ正确"的大实话：大厂实习经历在找工作中的加成，比你想象的大太多了。我去年暑期在某大厂做推荐系统实习，说实话活不算特别有深度，主要是做特征工程和一些AB实验。但秋招的时候，简历上这一行带来的好处是全方位的。首先是过筛。投了20家，70%的简历通过率。我室友背景跟我差不多，但实习是一家没听过名字的小公司，15家过了3家。你说是能力差距吗？不是，纯粹HR看到大厂名字就默认你至少不差。其次是面试氛围。面试官看到你在xx厂实习过，态度明显不一样，会默认你的基础能力没问题，更多地聊项目思路和方向判断，而不是从头盘问你基础知识。我室友面试经常被追问八股文，我反而很少被问到。

Q1：prefix Decoder 和 causal Decoder 和 EncoderDecoder 区别是什么？答案：prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别在于 attention mask不同：Encoder-Decoder：在输入上采用双向注意力，对问题的编码理解更充分。适用任务：在偏理解的 NLP 任务上效果好。缺点：在长文本生成任务上效果差，训练效率低。causal Decoder：自回归语言模型，预训练和下游应用是完全一致的，严格遵守只有后面的token才能看到前面的token的规则。适用任务：文本生成任务效果好。...