多益网络 运营专员

我投的测开岗AI Coding的形式是随机的，我收到的是一个数据分析场景的任务，目标很明确，直接喂给AI稍微调一下就能搞定。但我看也有同学说遇到的是让做一个系统的那种任务——我面试前几分钟打开视频链接，里面显示了两个任务，一个是我做过的数据分析，另一个就是用NoCode设计做一个系统。当时离面试就几分钟了，我也是一脸懵，索性就没管那个。面试的时候，我的面试官全程没问AI Coding相关的内容。不过这个我不敢打包票，毕竟每个面试官风格不一样，岗位可能也有区别。总之大家不用太担心这个考察环节，祝一切顺利～

游戏服务器端开发工程师（校招）题目开始的22道选择题知识点基本上都是数据结构的，队列，栈，树，然后是四道简答题多线程，多进程，chrome浏览器用多进程的优点用两个栈模拟队列还有两个忘了最后是编程题一个二维数组arr[4][4]{{}{}{}{}}从左往右从小到大，从上到下从小到大输入一个数，用最简洁的方式找出数是否在数组其实挺简单的鼠鼠考研寄了摆烂到现在，c，java忘光导致没做出来我如果复习个一星期就差不多了寄，准备二战考研😫😫

蚂蚁国际 - AI风控 暑期实习一面 60min问八股：1.介绍一下transformer架构，它解决了rnn和cnn哪些无法解决的问题？2.怎么理解词与词之间距离的概念？为什么大模型需要知道这个距离？3.transformer的核心机制是什么？能不能用一个具体的例子串一遍里面所有概念？4.你提到的QKV能不能具体讲一下？它的核心作用是什么？5.模型层叠加之后会出现什么问题？我们要引入什么机制去解决这个问题？6.传统的残差机制会有什么问题？现在业界有没有提出一些新的解决方案？7.现在业界有很多先进的大模型，有些是7b，有些是325b，这个b的概念是什么？我们在做模型选择的时候怎么选？8.对于不同的细分领域，能不能讲一下你对现有的模型厂商他们参数量选型的了解？9.现在给你一个场景，比如说我们做ai coding，你会怎么去选择参数量？10.对话型模型和推理型模型之间的区别是什么？分别适用于什么样的场景？11.简要的介绍一下engine、sub engine、skill、mcp这几个概念，他们的用途是什么？在代码开发过程中分别用来解决什么问题？12.在开发过程中，多轮迭代会话后工程越来越难以维护，你有没有什么好的建议？13.对于上下文工程的最佳实践，常用到的一些技术或者解决方案都有哪些？14.目前这个体系还很复杂，有没有现成的东西来辅助我？有没有了解现在开源社区很火的一些解决方案？问实习：15.聊一下实习期间你遇到最困难的一件事，这件事你是怎么解决的？得到了一个什么样的效果或结果？16.为什么你会选择lsp这个方案？你是怎么找到和评估这个方案的？17.如果说进一步提升的话，你觉得还有什么方向可以改进？让你现在再做一遍的话你是否会选择重新设计？无手撕18.反问3.23面的，3.28收到感谢信，被老东家拷打麻了

智能体大模型应用岗，时长 2 小时。题目大概是这样的：实现一个带 TUI 的命令行视频剪辑工具，后面跟了一大堆功能要求，分必做和加分项。测试用的视频素材在指定目录里，还有一些约束条件（主要是针对剪辑工具的交互提示）。验收方式是自己测试，交付物包括源码、命令说明、使用说明、示例输入输出、验证过程、限制说明以及后续优化方向——说白了就是要交一堆文档。蚂蚁的模型反应很快。下面复盘一下我的整体思路，供大家参考，有不对的地方欢迎交流。整体上我遵循了这么几个步骤：第一，拿到题目先不写代码。优先让模型分析基本需求（只看必做部分），让它帮我拆分步骤、列出待完成的事项、划分出需要实现的模块——按最小 MVP 原则来。第二，按照列出来的模块，一个一个写代码，每写完一个就测一个。第三，所有必做模块都写完之后，做一次整体自检，然后写测试报告。第四，必做部分稳了之后再上加分项。思路一样：先分析需求，再慢慢写代码。写加分项的时候尽量不动基础功能的代码和结构，能少动就少动。第五，全部做完之后再自检一遍，按题目的要求从头到尾测一遍，输出测试报告。第六，让模型以专家身份对已完成的项目做审核（就是 LLM-as-Judge），给评分和审核意见。然后我自己人工过一遍每一条意见，觉得有必要改的就让模型去改，原则同上。另外还有一个小插曲。因为蚂蚁这边时间比较充裕，我甚至动过念头——让模型在代码里穿插一些 prompt 注入的方式，毕竟最后大概率也是 AI 来审核项目，想让审核的模型给高一点的分。但想了想还是没做，感觉没太大必要。大致思路就是这样。补充一点关于淘天的对比。淘天的 AI Coding，面试官明确说过更重视过程——用 AI 的方式、任务拆解、对项目的设计等等，反而结果不是最重要的，而且只给了半小时。蚂蚁这边显然不是，要提交一个完整的项目，具体的评分点我暂时还没搞清楚。