WXG后台开发秋招一面

#软件开发笔面经# 官网简历没有更新,投递的岗位还是实习生,结果前天收到邮件约了校招面试。?很奇怪?感觉是人生中唯一一次能面试WXG的机会了
面试开头面试官说了base是广州,我的意向是上海,因为不太想去广州直接跟面试官说了,面试官就问直接不面了还是面一下,纠结了一会还是选择先面着。

————————————————————————
上来三道算法题:最大子数组和,rand7生成ran10,递增循环数组找最小值

问之前实习过程中遇到的困难的项目

总共面试1h

最后面试官又确认了一遍base广州是不考虑吗。流程已经结束了。

现在有点后悔了,能被WXG面感觉还是挺难得的。当时应该说可以接受的,不过也就一面,能不能oc都还早着呢

#WXG# #微信# #腾讯# #秋招#
全部评论
不是哥们,咱这个环境哪轮得到咱们挑三拣四啊,他就是要我去新疆我也去啊,都进腾讯的去哪不是一张机票的事吗? 害,真是狠狠地羡慕了
14 回复 分享
发布于 2024-08-14 13:18 广东
wxg基本上只有广州的,总部在广州
6 回复 分享
发布于 2024-08-15 08:35 北京
递增循环数组找最小值是3 4 5 0 1 2找最小吗 只有两段递增
1 回复 分享
发布于 2024-08-15 10:20 四川
大佬投投PDD不
点赞 回复 分享
发布于 2024-08-16 11:15 上海
wxg是C++的吧?
点赞 回复 分享
发布于 2024-08-15 16:27 广东
我就知道是这个团队,这个团队好几个实习生作死被拉黑名单了
点赞 回复 分享
发布于 2024-08-15 16:17 浙江
为什么我面数字马力 一面过了只面了二十多分钟😂
点赞 回复 分享
发布于 2024-08-15 15:56 湖南

相关推荐

不愿透露姓名的神秘牛友
07-23 18:19
点赞 评论 收藏
分享
今天老师为大家梳理了10道RAG大模型必备面试题,供各位同学参考。1️⃣Q1:如何评估RAG生成结果的质量?A1:① 事实准确性(Factual Accuracy):对比标准答案;② 引用精确度(Citation Precision):生成内容与引用文档的相关性;③ ROUGE/L等自动指标(需谨慎,可能与事实性脱钩)。2️⃣Q2:如何优化检索的召回率(Recall)?A2:① 使用Query扩展(同义词替换/LLM改写);② 多向量表示(HyDE生成假设文档再检索);③ 调整分块策略(重叠分块/多粒度分块)。3️⃣Q3:RAG如何处理多文档冲突信息?A3:①  让LLM总结共识点并标注分歧(提示词控制);② 按文档来源权威性加权(如医学指南>普通文章);  ③ 返回多视角答案(需明确说明冲突存在)。4️⃣Q4:如何解决“检索偏好”问题(Retrieval Bias)?A4:当检索结果质量差时强制生成会导致错误。解决方案:① 训练检索评估模块过滤低质结果;② 引入回退机制(如返回“无答案”);③ 迭代检索(Re-Rank或多轮检索)。5️⃣Q5:如何优化长文档检索效果?A5:① Small-to-Big检索:先检索小分块,再关联其所属大文档;② 层次检索:先定位章节,再章节内分块检索;③ 图结构:用知识图谱关联文档片段。6️⃣Q6:解释HyDE(Hypothetical Document Embeddings)原理?A6:让LLM根据Query生成假设性答案,将其作为“伪文档”嵌入向量,再用该向量检索真实文档。解决Query与文档表述差异问题。7️⃣Q7:什么是迭代检索(Iterative Retrieval)?A7:多轮检索:首轮检索结果输入LLM生成初步答案,再以该答案为新Query二次检索,循环直到满足条件。适合复杂推理场景。8️⃣Q8:Self-RAG的核心创新点是什么?A8:引入可学习检索信号:模型自主决定何时检索(Retrieve on Demand),并生成特殊Token(如[Retrieval]、[No Retrieval])控制流程。9️⃣Q9:RAG如何适配实时更新知识库A9:① 检索器使用近实时索引(如Elasticsearch增量更新);② 生成器无需重训,但需监控新数据分布偏移。1️⃣0️⃣Q10:用户查询“2025年诺贝尔奖获得者”,但知识库只更新到2024年,RAG如何应对?A10:设计策略:① 检索器返回最新文档(2024年);② 生成器明确回答“截至2024年数据,最新获得者为XX,2025年结果尚未公布”;③ 添加时间敏感性警告。🍊如果想参加高质量项目辅导,提升面试能力,欢迎后台联系。
点赞 评论 收藏
分享
评论
23
53
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务