只记录总结了一些没答好的推荐系统用例设计：基础的功能交互：图片封面的尺寸，关键词的截取，后台的一些用户点击，停留时长以及收藏等行为是否正常上报，还有负反馈机制，就是说用户点击“不感兴趣”后是否当前列表会立即移除该内容，最后就是推荐结果和详情的一致性，进入的详情页要和推荐位显示的内容一致算法效果的测试：比如说相关性：是否与用户的搜索内容是强相关的，多样性：推荐的内容对应的tag是否是同一类目，然后还有实时更新：用户在一个地方停流了很久是否后台会出现该信息，然后是推荐列表是否包含一定的低频上线内容特殊场景的测试：用户没有历史行为的反应，没有商品的反应，极端搜索的处理，出来的内容是否符合规定数据和性能的测试：接口的性能，容灾的一个降级，离线和线上的一个对齐接口过慢：首先会去看监控，观察CPU和内存还有网络IO的一些情况，确认是否是硬件资源的瓶颈，接着会去查询慢查询日志，看看数据库的性能能否优化，比如说可以添加索引啊，还有一些sql语句不合理的情况可以处理一下，比如一些嵌套查询可以优化成联表查询，对于一些数据量过大的表可以进行一些分库分表的操作。业务逻辑中可以采用异步的流程，可以看看是否发生了FullGC,以及是否有一些递归导致时间复杂度过高。最后是网络，可以看看Redis是否变慢，队列是否积压，或者请求是否过多，可以适当做一些限流策略面对偶现的bug:面对偶现的bug,需要去差全链路的日志，确认当前的用户环境以及查看输入的参数和环境的快照等等，第二步是尝试利用压力测试去强行复现，找到它偶现的一个规律。算法：最长公共前缀（leetcode 14）ac

这份题库不是随便凑出来的 100 道题，而是从大量面经和题目里 筛出来的高频题。我整理了上百套校招、实习、校招的大模型相关面试题，又结合公开平台上反复出现的问题，把那些 出现次数最多、覆盖岗位最广、面试最容易问到 的内容统一收拢，最后形成这套 大模型常考面试题100道76. 训练和推理为什么要区分开看？答：因为两者关注的目标完全不一样。训练更关注怎么把模型能力学出来，重点在数据、loss、优化器、并行训练和收敛稳定性；推理更关注怎么把模型高效跑起来，重点在延迟、吞吐、显存、并发和成本。很多技术在训练阶段成立，不代表在线推理就划算。所以做大模型不能只会训练或者只会部署，至少要知道这两套问题是分开...

最近好多人问我这个问题，我自己也是纠结过很久，现在秋招春招走下来，多少有点感触了，写出来给大家参考参考。先说结论：没有绝对的好坏，取决于你处在哪个阶段、手里有什么牌、以及你缺什么。📌大厂实习优点很明显，大厂的title确实好用，简历关会好过很多，面试的时候面试官也更容易认可你的经历，毕竟流程规范、业务体量大，哪怕你干的活再边缘，说出去也是有背书效果的。而且大厂的实习流程相对成熟，mentor制度、内部文档这些都比较全，对第一次实习的人来说，能快速建立对流程工作的认识。不过缺点也存在，很多时候大厂实习生干的活真的很碎，可能会在大厂实习三个月，每天就是导数据、做周报、跟会议纪要，项目都没摸全。还有就是转正这件事，现在大厂hc锁得厉害，暑期实习转正都不一定稳，更别说日常实习了~📌小厂实习小厂的好处是你能接触到的东西更杂更全，我有一段中厂的经历，虽然公司不大，但因为人手少，我从运营到产品甚至商务都掺和过，面试的时候聊起来反而有很多可以讲的，因为真的亲手做了落地的东西。而且小厂的氛围通常更灵活，mentor可能就是直接带你的人，关系更近，学东西也更直接。缺点就是title确实吃亏，我投简历的时候明显感觉到，有些大厂筛简历就是看学校+实习公司名字，小厂经历有时候直接被忽略。还有就是小厂的流程不规范，有的公司去了就是自己摸索，没人带，成长全靠自己踩坑，体验差别很大。📌我自己的感受我三段实习里，有大厂也有中小厂，现在回头看，这样安排还不错：第一段实习可以去小厂，快速上手、积累能落地的项目经验；第二段争取去大厂，拿个title，看看规范化的工作流程；第三段，那就看自己缺什么，想转正就找有hc的，想刷简历就继续冲大厂。我发现面试官其实更在意的是你在实习里到底做了什么、有没有自己的思考，而不是单纯看公司名字。大厂经历是敲门砖，但聊得深了，还是看你有没有真东西。小厂经历只要你能讲清楚做了什么、解决了什么问题、有什么复盘，反而更容易出彩。最后想说，不管大厂小厂，能让你有成长、能给你空间去试错、能让你在面试时有东西可讲的，就是好厂。别太纠结，有offer先接着，实在不满意再骑驴找马，总比干等着强！

一面：1.agent会话中redis是怎么存储的？key是怎么设置的？2.skills是具体是怎么设计的？3.工具是通过什么样的方式暴露给ai的?4.为什么没有选择使用mcp暴露？5.如果工作量特别大的话，把所有工具都塞给提示词会出现什么问题？6.在工具调用的情况下，比如说大模型调了一个不存在的工具，或者调用的时候参数传错了怎么办？你是怎么降低这个情况的？7.讲解一下ReAct框架8.ReAct框架有没有什么优缺点？9.说一下langchain和langgraph的区别？分别的痛点10讲一下项目中的langgraph的状态转移机制11.大模型产生幻觉的原因有哪些？？有什么手段可以缓解这个问题1...