腾讯（后端）面经

个人学的基本全部集中在ai方向，后端方向一窍不通。迷迷糊糊和hr约了面试，现在回味过来感觉岗位不太匹配，估计是kpi面，看了下后端面经感觉也很难。听说字节面试不好的话会脏面评，去年已经有一次二面答得很烂没过了，怕这次不行的话影响后续实习 现在在想要不要推掉面试换个符合的岗位投，求各位大佬给点建议

整体面试体验非常好，面试官人也很好，觉得如果过了的话一定是一个梦中情mt。1.三段实习挑一个产出讲一讲，中途会打断问问题拷打快20分钟，开始八股盛宴2.你们项目为什么要用PgSQL？3.PgSQL和Mysql的区别你觉得有什么？4.从其他的角度？你觉得mysql哪一点相比于PgSQL会更好？5.除了索引，对于MVCC来说，各自的优势是什么？6.你给我讲一讲MVCC，为什么要有MVCC，他解决的是一个什么样的问题？7.Mysql的隔离级别8.各个隔离级别出现的问题，怎么解决的9.讲讲Spring的IOC10.Spring的IOC你刚是直接说到底层了，其实还有一个功能是管理bean，你给我讲讲SpringBean生命周期11.那我们平时使用的AOP通常发生在哪个阶段？12.你给我讲讲Spring的AOP13.AOP底层原理？14.动态代理，Spring默认用哪个15.讲讲JVM内存区域16.什么情况下栈会溢出17.问一个堆上的问题，a＝“abc”，b＝“ab”+“c”，最终输出a＝＝b的结果是什么，为什么，举一个是false的情况18.手撕算法：hashSet，写一个类，插入，删除时间复杂度都是O1，插入时元素存在，则不插入，删除时元素存在则删除，另外提供一个方法，随机返回出任意一个元素，要求复杂度O1反问建议：表达能力很好整体面试1h30min，问题很简单，因为每个问题基本上直接答到底层，面试官没有更多反问，一般反问直接叩到下一个问题了，最后算法时间有点长，最后一面通过

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.在微调大模型时，你使用过哪些框架？它们的优缺点分别是什么？3.CLIP 模型的 zero-shot 能力是如何实现的？它在多模态任务中的应用有哪些优势？4.Transformer 中 Pre-Norm 和 Post-Norm 的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型中，为何通常采用 Decoder-only 架构而非 Encoder-Decoder 结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对 Transformer 模型推理过程，你会采用哪些优化手段？8.请阐述RAG的核心原理，并说明如何通过 RAG 缓解大模型的幻觉问题。9.vLLM 框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10.请对比 RLHF、PPO、DPO 算法的技术差异、优缺点及适用场景。

春招至今没有offer，请大佬看看简历能怎么改改😊