《我的秋招记录》专题

秋招之科大讯飞，bg西工大本硕，科大讯飞飞星计划医疗方向，主要是大模型多模态，和我的方向有点关系？看咋说了，简历算法相关可以看图 一面，约一小时 一下来自我介绍，介绍一下科研工作，我这里两篇可以参考简历截图，针对两个工作进行提问，问题主要集中在项目细节，比如第一个工作的样本选择实现，为什么是batch的特征伪标签等等，半个多小时大概 然后问了深度学习八股（一点没看），问了transformer原理

1、自我介绍 2、能否提前实习 3、TCP报文RST置位的情况 4、场景题：500台终端访问外网设计网络架构 5、BGP防环 6、Linux（不会） 反问 1、值班强度 没开摄像头，但是情绪价值很高。感觉比较在意能否提前实习 #你的秋招进行到哪一步了#

#深信服求职进展汇总# #我发现了面试通关密码# 感觉今年秋招真的大变天了，可能是因为市场的变化导致招聘的变化，现在适合理工科同学的岗位真的多，比如IT/互联网的客户经理或者售前产品经理，如果你有很好的沟通协作能力、项目的把控能力，爱折腾，对有技术含量的解决方案工作感兴趣，就不要纠结在原专业上面了，真的你就是深信服售前的天选之子。本来我当时看到售前产品经理理工科可投就试了一下，没想到这么迅速就拿到

🍎2024.9.2 面委会二面 🍐实习+项目 30-40min 🍐提问 10-15min 进程线程协程深问，操作系统相关 🍐算法 30-40min 三个题：字符串、链表、进制 已约hr面#你的秋招进行到哪一步了##秋招##腾讯##面经#

好久没来了，来分享下美团秋招的timeline 8月8号投递，8月10号一次笔试，8月17号二次笔试，8月26号一面，8月27号二面，今天收到意向书，秋招保底offer到手 面试整体不是很压力，面试官很亲和，一面问了为什么做实习，是不是导师安排的（确实是导师安排的hhh），深挖了实习中的一些问题，聊了三四十分钟。问了精排模型了解哪些，为什么需要预训练ESMM，多目标双塔粗排模型的理解，粗排样本构造

1、自我介绍 2、实习项目介绍 3、堆叠特性、优势弊端、应用场景 4、OSPF和BGP对比异同 5、BGP选路原则 6、TCP三次握手，大量TCP报文重发如何排障 7、主机不通，如何排障 8、负载均衡了解多少 面了35分钟，感觉没有什么强度，有点简单 #如何一边实习一边秋招#

好未来-base北京-nlp lora的矩阵怎么初始化？为什么要初始化为全0？ gpt源码past_key_value是干啥的 gpt onebyone 每一层怎么输入输出 输出的分布如果比较稀疏，有个尖尖应该怎么处理 讲讲决策树，决策树回归问题怎么做 gpt的输出topp是啥 kl散度的公式和kl散度与交叉熵的区别 强化学习的输入 chatgpt的reward model怎么来的，三阶段 car

一直在问论文和项目，论文听的很详细 基于深度模型的Out of Distribution， Ultra fast是怎么解决的grid的误差问题 车道线，BEV是否了解 车道线的目标跟踪，卡尔曼滤波 在用车道线建图的时候，有没有考虑过坡道的情况，当坡度差很大的时候怎么解决（平面估计，平移变化矩阵） 数据回流，在线大模型+小模型 C++：vector相关 Linux操作： export命令是干啥的 把

语言方向 1.C++内存相关的八股 常见会问栈和堆的区别，C++如何分配（new）？以及内存泄漏的原因以及如何防止。 2.编译器编译过程 就是问源代码是怎么变成二进制文件的 3.STL数据结构的八股 很喜欢问数组和链表的区别（从增删的时间复杂度来分析），然后还有vector底层呀，map底层呀（我记得明朝万达问了一个红黑树）。 4.多态是怎么实现的 操作系统方向 1.线程，进程，协程的区别 这个基

        一段有点意思的面试时间，2022的7月份，我再次毕业啦，距离上一次硕士毕业仅仅一年时间，想想确实很戏剧性，但是坚持下来了，也便没有什么了。这段时间经历了很多社招面试，也积攒了一些面试经验，特此分享给牛友们，希望看到的童鞋可以以我为鉴，在以后面试找工作的时候可以更顺利啦~~~ 写在前面的分析（正经脸        首先是面试准备：        1、明确个人求职意向。测试开发还是软件

问题内容： 我已经花了数小时在网路上搜寻这个问题的答案… 这是我目前拥有的： 问题答案： 使用： 参考：TRUNC 在工具上调用函数意味着优化器将无法使用与其关联的索引（假设存在一个索引）。某些数据库（例如Oracle）支持基于函数的索引，这些索引允许对数据执行函数以最大程度地减少这种情况下的影响，但IME DBA不允许这样做。我同意-在这种情况下，它们并不是真正必要的。

去外企写代码是我梦想中的工作。读研期间系统的进行了算法和听力训练。最近几次的英文面试发现自己存在随机发挥、“我肯定过不了的”的逃避思想。因此决定将这件事工程化处理，以期达到流畅且清晰的表达自己的观点、完全发挥自己的能力的效果。认真准备每一次英文面试，不做把面试当练习口语的怨种。珍惜机会，尊重面试官尊重自己的时间。 分三大块进行准备：Behavior Questions/ Algorithm Cod

投的是交互设计的产品研发岗，早早投递流程慢如狗 流程：投递—收到设计笔试题—提交笔试题—约面—一面—收到二面邀约（字节的流程推进真的很离谱，笔试题交了两周才约面，直接约到三周后… 面试过程：面试体验还比较舒服，上来面试官比较客气地介绍了自己的身份，所属的部门，以及在做的项目等。然后就是常规的交互面试内容：自我介绍—作品集—面试官提问—反问。说一下印象比较深的几个问题： 比较注重细节，问了我项目里的

投的是交互设计的产品研发岗 面试过程：面试体验还比较舒服，上来面试官比较客气地介绍了自己的身份，所属的部门，以及在做的项目等。然后就是常规的交互面试内容：自我介绍—作品集—面试官提问—反问。说一下印象比较深的几个问题： 比较注重细节，问了我项目里的“金选榜单”界面的星级评判标准，为什么选择星星，为什么选择金色等，还给我了一些设计建议。 讲解笔试题的时候，因为我选择的设计题是redesign苹果的a

投的岗位比较杂，主要是NLP，也包括一些多模态、大模型、推荐相关的岗位，最终拿到了腾讯、顺丰、平安金服和迪子的offer，华子、京东和百度的池子。 总结一下，首先算法的问题会问得非常杂，主要根据你的项目经历，面试官一般会从你的经历里挑和他们工作内容比较相关的点提问，然后不断扩展；反而八股文问的不多，一般是一些中小厂喜欢问八股。 最后是自己的一点见解，对于非研究性质的算法岗位，论文的权重并没有很大（