字节byteintern一面（挂）

简直是夯爆了！！！1.实习项目相关问题2.详细介绍一下你做过的智能客服系统。3.你们这套系统主要的应用场景大概是怎么样的？能举个例子介绍一下。4.什么情况下需要用到你的那个 expert 相关技术？5.整套系统的主要难点是在于什么地方？6.中间的 Planner，它的规划机制是怎么样的？比如它底层需要调用哪些工具？是不是需要多轮规划？中间的一些详细设计是怎么设计的？7.你们怎么去评估客服对客户的输出是好还是坏？8.搜索功能是怎么实现的？9.你在中间起到的主要作用是什么？你做出了什么改进？10.你这个迭代的过程中，有 ground truth 吗？比如每一个 query 实际上最终最相关的商品是有哪些？11.你中间做了一些什么样的技术迭代？最终体现在人工评估指标上有什么样的提升？有做过对比吗？12.这个人工评估的指标是怎么设计的？最后它的指标结果怎么样？13.这个指标结果是内部人工评估的，还是线上的结果？14.中间优化的过程中，你们用的是一个什么样的模型？15.你的那个 expert 模型，怎么去训练的？样本从哪里来？16.导购场景的数据是真实的用户跟人工客服对话的场景数据吗？17.训练的样本量大概是多大？18.1000 条样本就足够训练你的这个模型了吗？19.你对比过训练之前跟训练之后，同样的问题模型学习后的能力提升大概有多少？20.你能做到比原始蒸馏出来的模型效果还强吗？21.训这个 8B 的模型用的是多大显存的？什么显卡？八股1.正常来说，1B 的模型在没有做任何量化的情况下，原始 FP 格式存储大概要占到多少显存？2.不考虑梯度的情况，单纯只考虑 Inference，把参数加载到显存里面大概要占多少显存？3.平时有用过一些量化加速的方法吗？4.常用的量化手段比如 INT4、INT8、BF，它们之间怎么做到加速的？你有了解过吗？5.FP 跟 BF 之间的区别，你了解吗？6.FP 和 BF 底层实现的区别主要在哪个地方？7.正常的 MP32 在底层数据存储上，小数是怎么表示的？手撕：有连续的 N 个正整数，随机抽出一个（不拿头尾），将其他数乱序放入 N-1 大小的数组中，找出被取出的数。要求时间复杂度 O (N)，空间复杂度 O (1)。

做了十几年业务，面过上百号人，我发现一个特别扎心的现象：很多人根本不是能力不行，而是“死”在了线上面试的临场发挥上。腾讯会议一开，对面HR或业务主管一个连环追问，平时准备得再好，脑子也容易瞬间宕机。最近总有年轻朋友问我：“AI面试助手哪家好，实时辅助答题到底怎么做才能不显得生硬？”今天咱们不玩虚的，拒绝假大空。我直接从具体岗位的真实场景切入，把市面上主流工具的底层逻辑掰开揉碎了讲清楚，帮你理清思路。一、 场景分类：不同岗位的面试“死穴”在哪？在选工具前，你得先摸清自己岗位的面试痛点，对症下药才有效。技术岗（开发/算法/测试）：典型的“茶壶里煮饺子”。代码写得溜，但一到系统设计或项目复盘，往往讲...

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.AI coding在一个大型系统里面代码质量，可维护性，Bug等等有遇到过吗？4.Function Call,  MCP SKILLS5.SDN，网络路由协议等等了解吗？6.两道编程题： 不用写说思路即可(1) rand5()实现rand3()和rand7()(2)求数组的中位数7.问我是否了解目前比较火的一些概念

做技术面试官这些年，我发现应届生简历上的项目越来越”丰富“了。毕竟简历上，除了学校和专业，能拉开差距的几乎就是各类项目——不管是大厂实习项目、读研时跟着导师做的课题，还是自己业余捣鼓的小项目，都成了争取面试机会的“敲门砖”。但随之而来的，是越来越多“一眼假”的项目，简历上写得天花乱坠，一追问细节，就支支吾吾、漏洞百出。今天就聊聊，那些看似“加分”的假项目，到底能不能帮你拿offer，以及什么样的项目才是真加分项。先说说最常见的实习项目，几乎80%的候选人都会“美化”实习经历，这本身无可厚非，但过度包装很容易露馅。第一种是夸大工作范围，把团队几个人的工作全安在自己身上，面试时只要追问核心细节，比...