游戏客户端，意向base上海3.12 官网投递（3.18 收到光子面试邀约）3.19 光子（深圳）一面。很有趣，面试官上来就说没看到我的意向base是上海，然后问要不要面。想了想腾讯会议开都开了就面一下，不过因为太久没刷题知道自己手撕表现得不好，面了几十分钟就和面试官say bye bye了。（3.21 收到光子流程结束邮件，3.24 收到北极光面试邀约，提供26号or27号的面试，选择了26号）3.26 北极光一面。完美发挥。（3.27 收到北极光二面邀约）3.30 北极光二面。（4.2 云证 + 收到北极光hr面试邀约）4.7 北极光hr面竟然是深圳总部的hr，乖乖...4.8 转录用评估...

感觉自己还是挺狗运的，比不上牛客这些双非大佬随便秒终于戴上红围脖了，xdm 加油

我是一块砖，哪里需要哪里搬

也大大小小面了很多内部正在搞AI的公司，给大家分享一下我的面试题库！ 第一章：RAG 系统 Q1: 请解释 RAG 的工作原理。与直接对 LLM 进行微调相比，RAG 主要解决了什么问题？ RAG（Retrieval-Augmented Generation）的核心是"检索+生成"两阶段：先从外部知识库中检索与用户问题相关的文档片段，再将这些片段作为上下文拼入 prompt，让 LLM 基于检索到的信息生成回答。相比微调，RAG 的优势在于： ①知识可实时更新，不需要重新训练模型； ②可追溯来源，减少幻觉且便于审计； ③成本低，不需要 GPU 资源做训练； ④领域迁移方便，...