美团到店广告平台

美团面了大概四十分钟，全程细节拷打，面完汗流浃背，感觉过不了了，看面经吧1.说说你平时是怎么送餐的?直接傻瓜式回答拧车把就走了2.如果送餐途中下雨了，你会怎么办?回答找个地方躲着，然后就问我那订单超时怎么办，答不出来了。。。3.如果有个地方爆单，同时有多个不同楼层但是是同一栋楼的地方下单，可能是什么情况?答不出来，乱蒙了个可能在开派对，有没有大佬知道的4.如果到了商家，但商家还没把餐备好，你会怎么做?直接回答干等着了，然后感觉这样回答不太好,又补了句我可能会催催商家。。。5.实际送餐过程中有没有考虑过使用多部手机?我说配送账号就一个，没必要使用多部手机。面试官好像不太满意6.送到餐了，但客户-直不来取餐,你会怎么办?阻塞等待吗?我说会打电话催促客户，客户-直不来的话就把餐放到地点，然后拍照走人，然后问我这样做有没有考虑过外卖丢失的情况，外卖丢失怎么办，完了，又掉进坑了7.有没有送错餐的情况?我说实际没遇过这种场景，面试官又不太满意了。。。搞不懂，- 定要有实际解决过出错的经验吗。。。没出错不是更好吗。。。8.餐箱满了，但你又接单了，餐箱放不下了，出现了Out Of Box,如何解决?我说一般我会每次接单前检查下餐箱容量，有空间才会接新的单，又追问这样会不会影响接单效率，如果被其它骑手抢单了怎么办?完了，双掉进坑了。。。9.送餐过程有没有把外卖进行分类?我说我一般电动车前后有两个餐箱，前面放带有汤水易撒的，后面放比较干的外卖。总算是能答出一题了10.看了下我送的最快的一单，问我为什么那一单10s就送达了。因为客户就在店里面，当堂点外卖是为了用券。。。我这个订单是不是有点水了，但鼠鼠是真没什么订单拿得出手了做了道算法，一道贪心,给定单子信息，寻找最短配送路线，之前刷过，10分钟a出来了

理想：RAG 的完美愿景 在大语言模型（LLM）的浪潮中，检索增强生成（Retrieval-Augmented Generation, RAG）被寄予厚望，作为 LLM 应用落地的关键技术范式之一，它的核心思想很简单： “让大模型在生成答案时，先检索外部知识库，确保回答既准确又新鲜。” 理论上，RAG 能解决大语言模型（LLM）的三大痛点：  知识固化：LLM 依赖训练数据，无法自动更新知识（如 GPT-4 不知道 2024 年后的新闻），导致时效性差、专业领域知识不足，而 RAG 通过连接外部知识库，可以随时引入新信息。 幻觉问题：LLM 可能编造虚假信息，而 RAG 为回答提供证据、增强生...

有uu了解腾讯CDG 联盟广告这个部门吗，应该是优量汇平台，主要负责广告引擎开发，要转C加加，面试官说日流量亿级别。不知道有没有兄弟在这个部门实习过

都是算法岗滴滴秋储实习：agent➕微调智谱日常实习：造数据➕agent百度日常实习：research，nlp算法，强化学习，有很多卡现在大三，只有滴滴是准备转正的实习，剩下两个都是日常。目前比较倾向于百度，做的方向是最喜欢的，待遇也是里面最高的。不知道放弃秋储值不值得，感觉剩下一年半可以再做做其他有趣的实习。