百度三面凉经

1、自我介绍2、对大模型应用的理解我理解的大模型应用，核心不是“模型能回答”，而是“模型能稳定解决业务问题”。单纯从能力上看，大模型擅长自然语言理解、内容生成、总结归纳、信息抽取、问答、多轮对话、代码辅助这些任务，但真正到了业务场景里，还要考虑知识时效性、幻觉控制、结果可解释性、调用成本和响应速度。所以大模型应用一般不是一个裸模型直接上线，而是一个完整系统。常见会包括下面这些模块：用户输入理解Prompt 构造外部知识检索工具调用模型生成输出校验日志监控和效果评测如果是企业场景，大模型应用通常有几个典型方向：智能问答和知识库助手企业内部 Copilot智能客服文档总结和信息抽取数据分析辅助Ag...

1.讲一下Go语言的一些特点2.讲一下进程、线程、协程的区别3.讲一下Go里的Channel4.s := make([]int,3)        s=append(s,1,2,3)     fmt.Println(s)    请问输出结果是什么5.讲一下Redis常用数据结构。排行榜用哪个？如何用Redis实现锁？6.讲一下缓存策略？旁路缓存中如何保证缓存和数据库数据一致性？7.HTTP和HTTPS区别？8.HTTPS状态码有哪些？502和504区别？499是什么？9.消息队列消费者的幂等性如何保证？10.MySQL存储引擎？innodb默认隔离级别？rr对幻读的解决情况？为什么不用串行化？SQL：一张表，四个字段：员工ID、员工姓名，员工年龄，部门ID要求查询员工平均年龄大于20岁的部门ID手撕：单例模式11.单例模式的使用场景12.讲一下乐观锁和悲观锁13.讲一下间隙锁14.讲一下死锁

1、知道 GPT 和 BERT 这种模型的基础框架是怎样的吗BERT 和 GPT 都是基于 Transformer 的预训练模型，但结构和任务目标不一样。BERT 一般采用 Transformer Encoder 堆叠起来的双向编码结构，在预训练时主要做 MLM，也就是随机遮盖一部分 token，让模型根据上下文去恢复被遮掉的词，因此它更适合理解类任务，比如分类、匹配、抽取、检索表示学习。GPT 采用 Transformer Decoder 堆叠起来的单向自回归结构，在预训练时做 next token prediction，也就是根据前面的 token 预测下一个 token，因此它更适合生成...

我之前实习的时候一般都是约在晚上面试，对于一些比较好的公司一般都会同意，晚上还可以薅点餐补吃饭呢，或者中间出去1小时再楼下面试，这样基本上也没问题