有找前端实习的吗？有机会转正

如题，想问问流程大概要多久（中大厂），好怕被鸽，官网那边显示通过了，然后待发offer（也就是邮件offer的意思）

面试时间： 5.21技术栈： Agent、Java、Python、Node、SQL、前端面试题目1.自我介绍2.新闻数据来源、数量规模如何存储，数据库表如何设计的，存哪些字段数据来源：RSS 订阅、爬虫抓取、第三方 API（如 NewsAPI）。存储规模达百万级时采用分库分表或时序分区。表设计核心字段：id、title、content、source、publish_time、category、embedding_vector（外链向量库）、create_time。按发布时间做范围分区，热数据放近期分区加速查询。3.新闻向量数据库如何分区？文本编码方式，新闻词嵌入，如何召回，编码方式和召回方式如...

来分享一波搜狐产品岗位的面试体验，整体流程节奏紧凑又顺畅，面试感受很不错～收到面试邀约后，后续流程推进效率很高，不用长时间等待，整体安排干脆利落。正式面试环节节奏清晰分明：开场面试官会先主动自我介绍，同时细致讲解岗位权责、部门业务方向以及日常真实工作状态，能快速帮我们摸清岗位全貌，提前建立认知。（这点超加分！甚至可以根据对这个岗位的判断更灵活地调整回答😲）接着会深度深挖个人过往经历，不只是简单核对项目内容，更着重考察做事背后的思考逻辑、行动初衷，以此判断个人执行力与决策判断能力，提问角度都比较贴合实际工作场景。（这里要说，如果是比较生僻的业务，需要避开晦涩的专业术语or给面试官先介绍背景）最后进入问答互动环节，可以自由向面试官咨询岗位发展、团队氛围、工作细节等各类关心的问题。面试官态度亲和友善，都会耐心细致逐一解答，还会平和交流探讨，沟通氛围轻松又舒服。（谁又幸福了！）整体面试体验感拉满，全程专业又暖心，求职小伙伴可以参考参考~

原文（来源：牛客网，作者：Arancia_Arancione，门头沟学院）：二面 业务面 40min1. 自我介绍2. 本硕专业都和AI没啥关系，为啥想当AI产品经理?3. 谈一下对AI产品经理这个岗位的理解，以及它对应的职责4. 你觉得AI产品经理需要具备哪些技能5. 谈下对人工智能未来发展趋势的看法6. 你有多段实习经历，你觉得对你来说成长最大或者收获最大的是哪段?7. 介绍一下在小米的实习8. 你说到会通过策略调整来提升大模型，是什么策略?怎么调整的?展开讲下9. 小米这段的大模型数据评测10. 评测的核心指标是什么?怎么得到的?11. 这段实习中，你遇到的最大的挑战or困难是啥?怎么解决的?12. 再讲一下Minimax的这段实习13. 讲下数据标注的工作14. prompt方面做了什么具体的内容?15. 谈一下深度学习这块的原理，例如卷积神经网络、强化学习等，原理+应用场景16. 有监督学习和无监督学习的区别是啥?17. 假设我们现在有一个需求，需要找一个合适的模型来进行解决。现在市面上有很多模型，我们要怎么去选择?或者说怎么验证某个模型就是能够达到我们的预期的?市面上常见的大模型有哪些───1. 17道题40分钟——理想的「剥洋葱」追问战术理想二面问题数是百度、vivo的3-4倍，时间相同。面试策略是「快速下钻，触及边界」——每题约2分钟窗口，立刻追问下一层。靠背诵的答案撑不过三轮追问。面试官要的不是完美答案，是认知边界在哪。2. Q8-Q10连续追问链暴露了面试的真实目的Q8「什么策略」→ Q9「评测怎么做」→ Q10「核心指标是什么、怎么得到」。从方法论→实操→量化的下钻路径。如果实习经历真实深度参与，Q10能直接报出指标和获取方式；如果是包装的，到Q9就开始含糊。面试官用这个链精确测量实习深度。3. Q15「谈一下深度学习原理」——AI PM面试的技术边界测试考的不是有没有ML学位，是能不能用产品经理的语言讲清楚技术原理。合格回答用类比：CNN像滑动窗口扫描图片，强化学习像训狗。不合格要么背教科书定义（不懂跟非技术人员沟通），要么完全答不上来（跟算法工程师沟通成本极高）。4. Q17「如何验证模型达到预期」——区分AI PM和传统PM的终极问题传统PM验证「功能有没有按PRD做出来」；AI PM验证「模型在不完全可控的情况下能不能稳定输出期望结果」。高分框架：验证维度（准确率/召回率/延迟/成本）→ 评测集（正常+边界+对抗Case）→ A/B方案 → 上线标准。