终于结束了

1.你能那个说一下马尔可夫模型是什么吗？2.所以它幽灵（一种智能体）处于什么位置？和哪些因素有关？3.这个整个代码仓库的话是怎么个构造的？就是包含哪几个大块和哪几个大类？4.哪一块和这个贝叶斯实现那个逻辑有关5.那你这个算是一个偏性能的优化的一个项目吗6.它如果应用在推荐领域的话是否可行呢？比如广告推荐啦，视频推荐这种。7.那这个马尔可夫模型在这里体现在哪里呢？8.这个项目里还有一个那个决策逻辑是基于贪心策略的动作选择算法，结合实时概率信念分布。这块能详细介绍一下。9.通过什么指标判断他下一步动作是否是优的呢？10.那有没有比如考虑一个全局的一个最优策略呢，这么一个方案。11.为什么一次最多走...

😭😭😭

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

1. 自我介绍2. 介绍你的实习项目，你做了哪些事情以及你的思考3. 升级之后 tool 调用准确率提升了多少，怎么衡量答案：tool 调用准确率不能只看模型有没有调用工具，而要看调用的工具是否正确、参数是否正确、调用顺序是否正确、结果是否被正确使用。我们会把一次工具调用拆成几个指标：工具选择准确率、参数填充准确率、无效调用率、重复调用率、最终任务成功率。比如升级前模型经常把“查询保单责任”和“查询历史理赔”混淆，或者漏传 policyId。后来通过工具分域、意图路由、参数 schema 校验和少量高质量样例，工具选择准确率从大概 82% 提升到 92% 左右，关键参数完整率从 88% 提升到...