米哈游内推 米哈游内推码

看了xhs一堆应届和往届裁员帖子，ai浪潮裹挟下的个人该如何做好对策，找到出路。1.感觉学计算机一直在主动或被动地自我驱动，不停地在做比较和考虑。总会有指标考察你，论文，产出，实习经历，学历，职级。。2.找到工作的在焦虑，没找到的也在焦虑。在比较中焦虑，在寻找最优解中焦虑。3.突然回想起，跟之前面试官，聊的超级个体，拥抱ai未来的想法，当时可能只是随便说说，但实际这个行业感觉就是得不断的学习，push自己。看了不少某站 硬件 相关的博主，感觉很羡慕他们的兴趣，但也有点惋惜。看的某书的帖子，感觉小镇做题家一路紧绷努力，不敢走错一步，也是有点心痛。假如拿到offer，反问自己，除了是一些大时代下的庆幸，跟别人内卷的有限的结果，感觉也不会怎么样。点悲观主义了，或者本来发展是不可逆而且是正向的，可能放到个人发展上就跟主体相悖了吧。暑期面累的碎碎念，边走边看吧。。。。。。

1.自我介绍2.性能怎么样速度和召回率方面3.双向量检索解决什么问题4.向量索引 欧式距离，余弦，内积的区别5.内积和欧式距离更关注什么6.重排序模型，底层，解决什么问题；就是只用rerank模型进行排序可以吗7.有哪些智能体，ppt智能体8.内容结构的生成，样式是自己实现的吗9.模板是提示词筛选的吗，还是说其他条件筛选的10.rag时候长文档切分策略，怎么解决语义断裂11.有没有用过附属索引，检索的时候，召回的时候不是召回子块，而是召回的子块的父块；有用过吗12.MCP理解，对于传统的优势；比传统的function call优势答得不好13.怎么降低幻觉14.skill概念15.什么是随机采样，在推理加速这块16.rag系统评估指标17.ai coding面试官：12年前某个晚上参加阿里的校招，一个轮回了；ai coding有很多变化你觉得ai coding有哪些需要注意反问ai渗透率，路径规划有一些方向吗；LBS相关部门

发点面经攒攒人品～1. Query多个一级分类问题解决2.12 层Bert base参数量（0.1b）3. 为何不用轻量级大模型reranker模型4. 推理时batch size5. dpo训练是同时打压好坏样例的生成概率问题6.  Dpop的全称是什么7. 拷打项目8. leetcode 快排

想问一下大家，系统设计，场景题，这类题怎么提升啊。每次面试的时候，可能高压有点儿紧张吧，需求也没分析清楚，这种题都答的不是很好。系统设计的话，感觉还是需要把需求分析清楚，先给出一个整体的框架，然后再慢慢的补充优化。场景题的话，这种就是要靠积累了。想问问各位大佬，大家平常都是怎么学习这类题目的呢（或者推荐的资源），面试又是怎么回答的😁