第一次面试，很放松，面试官也很好一面全项目拷打，0八股形式是2面2（两个面试官，同时面试俩人）上来先写一张卷子，都是java基础题1.自我介绍2.redis作用3.MQ作用4.nacos作用5.你简历上写的都是后端，前端部分是怎么处理的？会前端吗？自己是怎么写前端的？（ai合体）6.自我介绍提到技术栈是自学的，专业课学啥？7.为什么选择简历上的项目？真实应用场景？8.接触过ai相关开发吗？9.自学能力怎么样？反问二面这次是一对一的没问什么技术性的问题，聊规划，聊转正

1.项目介绍2.聊实习，遇到过哪些跨端适配问题3.做过哪些性能优化4.node环境与浏览器环境的区别5.做过哪些plugin配置6.webpack中plugins的原理7.vite和webpack的区别8.页面通信方法有哪些9长列表筛选功能如何保证每次筛选都是最新的结果（竞态条件）

处女面要给字节了，收到面试邀请的时间有点突然，就三天时间准备算法八股和项目。看网上说没准备好容易脏面评，真的有点害怕了😰

1.八股：NLP和LLM最大的区别是什么？两者有何共同和不同之处？2.八股：激活函数有了解吗，你知道哪些LLM常用的激活函数？为什么选用它？3.八股：开源框架了解过哪些？Qwen，Deepseek的论文是否有研读过，说一下其中的创新点主要体现在哪？4.项目：介绍微调负责的工作，大模型微调最重要的是什么？5.项目：SFT+DPO训练怎么组织这部分数据的？是自己构造还是用公开数据？6.项目：看你做过LoRA微调，那你是怎么选rank值？合并adapter权重的时候有没有遇到梯度爆炸？7.项目：说下LoRA的原理，LoRA是不是只能在Linear层插？为什么不能插在LayerNorm之后？这会对训练稳定性造成什么影响8.项目：刚才提到用过QLoRA，能具体说说QLoRA是怎么降低资源成本吗？9.项目：llm推理效率，如果真的部署到在线系统里，这个效率的问题怎么解决呢10.项目：有没有尝试过模型裁剪？比如 low-rank adaptor、LoRA 融合，或者用Mamba替换部分token path？11.代码题：实现Casual mask的MHA，说下计算复杂度