《云智研发》专题

一面：30min左右？忘看时间了…… 1. 自我介绍 2. 简历深挖 3. 对用研的理解 4. 想通过实习学到什么 5. 工作介绍 6. 反问 二面：40min 1. 自我介绍 2. 有没有用过产品，说说体验 3. 抓住回答里一个点问怎么设计研究 4. 观察到的中外用户区别 5. 通勤细节 6. 反问 三面：HR面，15min 1. 自我介绍，确认实习时长之类的基本信息 2. why用研，根据我的

本来一直找的是测试岗…结果苏小妍投早了，投的时候还没开测试岗，就随便投了个技术支持…完全没面过技术支持，不知道是个什么岗位……不知道可不可以求到一份面经……好人offer收爆！！！！！跪谢！ —————————————————————————更新： 一面：就主要问了项目，和对技术支持岗位了解。我14分钟就结束了。 二面10.25：纯hr面，还没收到三面。 三面10.28:哎 全程聊天，问各种客户不

1.自我介绍 2.实习经历，具体做什么？怎么做？ 3.拷打项目 4.Lora是什么？怎么做的 5.指令微调是怎么做的？斯坦福羊驼数据是怎么来的？自己有用过这个技术吗？ 6.两道手撕题（木桶效应，短板已寄） 我觉得回答得还行，但是手撕题没做出来，不说了刷题去了。

2024/09/26 中国工商银行杭州软件研发中心一面 1.介绍实习 2.实习中的项目的项目背景 3.你做了哪些事 4.了解哪些数据库 5.设计过数据库的存储结构吗，说一个你设计过的数据库的存储结构 6.你是本科对吧（问这个的时候心已经凉了一半了，希望能有后序） #银行笔面经互助#

背景 23届考研gap一年，面c++软开 机考 D卷 1.最长字符子串，ac 2.堆内存分配，ac 3.wonderland，动态规划，有个别用例没过 最终390分 综测 线上做测试题，需要注意哪些特质不提倡，前后要一致 HR面试 先自我介绍，然后问了空档原因，后续职业规划和背景，期望薪资，简单问了一下项目 技术一面 算法力扣177，中等难度的回溯算法，过了测试用例就行。然后问半小时八股： 1.

 个人情况 23届考研，江苏某双非一本，软件工程专业，四年成绩排名11/67。大学期间蓝桥杯省一，团队天梯赛省二，最高一次二等奖学金，国家励志奖学金，除此之外无实习无项目，毕业之后选择再考一年，但是成绩不如意，没找调剂，开始找工作。 差不多从三月开始准备，主要是三个方面，算法刷题，C++学进阶的知识点，准备项目。  个人心得和建议 首先要夸一下HR栗栗，很负责，一直在跟进我的流程，我有什么不懂的都

1.自我介绍 2.有没有用过抽象类，对它的了解是什么 3.了解注解吗，举一个写过的自定义注解的例子 4.对动态代理了解吗，说一下jdk动态代理 5.有没有用过设计模式，分别说一下发布订阅模式和观察者模式 6.你认为RocketMQ是有序的还是无序的，是如何保证消息的顺序性的 7.HashSet了解吗，是怎样保证元素不重复的 8.线程池有哪些参数，在你具体实践中是怎么用的 9.新建了一个Spring

5.9 线上面试 问了下论文、项目、比赛，研究生选修的课程，谈到线性代数，机器学习提取的特征在线性代数上的意义。

三月初开始找，总共三次面试 第一次 本地的线下面试 要求会Java会go会前端月薪三千 第二次 问愿不愿意转C# 无后续 第三次 外地线下面试 笔试两张试卷十来分钟写完 机试写俩接口 很快完成 笔试错俩选择题 面的挺好的 大小周 月薪6k 无加班工资 无后续 线上笔试做了十来份 大多数ak了 只有小米有一面通知 😭😭😭 工作好难找 准备考研了 😭😭😭

家人们，鼠鼠我准备来分享一下自己秋招的面经， 来攒人品了。 这个岗位是大模型一面40分钟: 前20分钟问了一些实习的内容，主要是分布式计算这块 问了一些量化剪枝的基础 还问了一些自己接触的不同的边缘计算平台，高通寒武纪之类的 最后问了一下职业规划 整体偏聊天，许愿二面中

主要内容：手段结束分析的工作原理,运算符子目标,均值分析算法人工智能中的手段 - 结束分析 前面已经学习了向前或向后推理的策略，但是两个方向的混合适合于解决复杂和大的问题。这样一种混合策略，使得有可能首先解决问题的主要部分，然后回过头来解决在组合问题的大部分期间出现的小问题。这种技术称为手段 - 末端分析。 Means-Ends分析是人工智能中用于限制AI程序中搜索的问题解决技术。 它是向后和向前搜索技术的混合体。 MEA技术于1961年由Allen Ne

主要内容：爬山算法的特点,爬山的国家空间图,状态的不同区域,爬山类型算法：,爬山算法存在的问题爬山(Hill Climbing)算法是一种局部搜索算法，它在增加高度/值的方向上连续移动，以找到山峰或最佳解决问题的方法。它在达到峰值时终止，其中没有邻居具有更高的值。 爬山算法是一种用于优化数学问题的技术。其中一个广泛讨论的爬山算法的例子是旅行商问题，其中我们需要最小化推销员的行进距离。 它也称为贪婪的本地搜索，因为它只关注其良好的直接邻居状态而不是超越它。爬山算法的节点有两个组成部分，即状态

主要内容：解决问题的代理,搜索算法术语,搜索算法的属性,搜索算法的类型搜索算法是人工智能最重要的领域之一。本主题将解释有关AI中搜索算法的所有信息。 解决问题的代理 在人工智能中，搜索技术是普遍的问题解决方法。AI中的合理代理或问题解决代理主要使用这些搜索策略或算法来解决特定问题并提供最佳结果。解决问题的代理是基于目标的代理并使用原子表示。在本主题中，我们将学习各种解决问题的搜索算法。 搜索算法术语 搜索：搜索是一个一步一步的过程，用于解决给定搜索空间中的搜索问题。

主要内容：聊天机器人尝试图灵测试,中国室的争论1950年，艾伦·图灵(Alan Turing)介绍了一项测试，以检查机器是否能像人类一样思考，这项测试称为图灵测试。在这个测试中，图灵提出如果计算机可以在特定条件下模仿人类的反应，那么可以说计算机是智能的。 图灵在其1950年的论文“计算机器和智能”中介绍了图灵测试，该论文提出了“机器能想到吗？”的问题。 图灵测试基于派对游戏“模仿游戏”，并进行了一些修改。这个游戏涉及三个玩家，其中一个玩家是计

主要内容：1. 简单的反射代理,2. 基于模型的反射代理,3. 基于目标的代理,4. 基于效用的代理,5. 学习代理代理可以根据其感知智能和能力的程度分为五类。所有这些代理都可以改善其性能并在一段时间内产生更好的行动。这些如下： 简单的反射代理 基于模型的反射代理 基于目标的代理商 基于效用的代理 学习代理 1. 简单的反射代理 简单反射代理是最简单的代理。这些代理人根据当前的感知来做出决定，并忽略其余的感知历史。 这些代理只能在完全可观察的环境中取得成功。 简单反射代理在决策和行动过程中不考虑