27暑期字节大模型算法二面分享

专注嵌入式端语音 AI 功能开发，实现语音唤醒、关键词识别、语音命令控制等轻量化语音交互能力。熟悉音频采集、降噪、回声消除、MFCC 特征提取等前端处理流程，在 MCU 与低端 MPU 上完成轻量语音 AI 模型移植与推理优化。能够根据产品需求裁剪语音模型大小与识别词条，降低 Flash 与 RAM 占用。将语音 AI 结果映射为设备控制指令，实现无接触智能交互。熟悉音频 Codec 驱动与 I2S 接口，调试麦克风通路与音频算法延迟，提升语音识别准确率与抗干扰能力，适用于小家电、智能开关等低成本嵌入式产品。

嵌入式到底要不要刷算法题，我面了 20 多家之后的结论是：大厂要刷，而且不能完全不刷。小公司不用在算法题上投入太多时间，性价比很低。一开始我对这个问题也很纠结。因为嵌入式岗位的核心明明是硬件基础、单片机、RTOS、通信协议、项目经验，为什么面试里还会出现链表、二叉树、动态规划？后来面得多了，我慢慢发现：算法题在嵌入式面试里，不是为了考你会不会“做 LeetCode”，而是面试官用来快速判断你的基础能力和筛选效率。真正的问题从来不是“嵌入式岗该不该刷算法”，而是：你投的公司层级不同，算法题的重要性完全不一样。一、算法题在嵌入式面试里的真实定位面试官用算法题，通常在判断三件事：你是否具备基本的数据...

面试问智能体项目，面试官问背后的大模型是本地还是线上，我回答本地跑不动，就用了线上，还问我线上用哪一家，（阿里云）最后还问了如果要把智能体部署到服务器上，并用自己特调的模型，服务器4核4G，该怎么操作。答利用平台（又是阿里云）部署自己的模型，肯定不会在买的服务器上部署，带不动。

被挂了，希望发出来对大家有帮助！1.项目深挖2.做了哪些优化？3.数据不均衡的话，对f1 score，acc这些指标有什么影响4.LoRA的原理。5.有用过qwen系列的模型吗？6.你认为decoder only的模型在分类等任务上有可能比encoder only的做得更好吗7.如果loss下降了，但f1等指标不涨，如何排查和解决？8.手撕：由01组成的二维矩阵，返回全由1组成的最大正方形的面积