发面经攒人品  渲染管线（我简历写有图形学基础，我学过games101） 渲染流程中的裁剪算法 法线贴图作用 shader在管线中的位置 项目、AI 在项目中的使用 不同整数类型占的字节数 具体案例算类大小 构造函数和析构函数能否是虚函数 运算符重载属于什么多态 智能指针的实现、sharedptr的lock vector和list给了一些操作算时间复杂度 游戏引擎怎么把游戏打包到不同平台 点积叉积 碰撞检测算法 TCP拥塞控制 快速重传和快速恢复  共勉

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

投了很多，一直没能进面

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，...