1. 自我介绍2. RAG系统的核心架构、检索优化与在教育场景的落地难点RAG核心架构分为数据预处理、检索模块、提示工程、大模型生成、后处理校验五部分。检索优化包括混合检索、多轮检索、知识切片、向量库优化等。在教育场景的落地难点在于知识专业性强、知识点关联复杂，易出现检索不精准；题目、公式、图表等多模态数据的结构化提取难度大；学生提问口语化、歧义多，意图理解难度高；需严格保证知识准确性，避免大模型幻觉。解决方案包括构建教育领域专属知识库、多模态文档解析、意图识别优化、事实校验机制等。3. SFT的核心流程、数据构造要点与在教育大模型中的应用SFT核心流程为数据准备、模型选择、微调策略、训练配置...

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

1. 实习期间主要负责什么模块？遇到过最难解决的问题是什么？怎么解决的？这类问题考察实际动手能力和解决问题的思路。回答时建议用 STAR 法则：背景（做什么项目）、任务（负责哪块）、行动（怎么做的）、结果（效果如何）。重点突出：主动承担的部分、遇到的技术难点、自己的思考过程，而不是只描述"我参与了某某项目"。如果有跨团队协作经验，也可以提一下沟通协调的方式。2. 项目中有没有用到多线程？如何保证线程安全？多线程是汽车业务中高频场景，比如地图数据加载、定位信息更新、路径规划并发计算等。线程安全的常见手段：互斥锁（mutex）：保护共享资源，注意避免死锁，推荐用 lock_gu...