总结下来，其实自己这次暑期虽然投递了很多，但约面较少，进了美团也许是运气因素。        美团：第一次二面挂，二面基本没问前端，全是计算机的内容（科班应该没问题），大致内容如下：                 面试官：学过操作系统和数据结构吗？         我：不是计算机专业，了解的很浅。         面试官：没关系，没学过，在我的引导下应该也能答出来，说说操作系统怎么进行内存管理的？         我：（把看过的一点八股都说了）虚拟内存，分段分表这些浅层概念。         面试官：具体是怎么划分的？用哪一种数据结构划分？这个管理的过程是什么样的？         我：答了一点点后，就说不会了。         面试官：好吧，那么现在假设有一段内存，你准备用什么方法分配？         我：按照指定的大小，将起始地址设置为key,内存大小或者其它必要信息设置为value,使用一个map结构来实现。         后面有点忘了，就提出一些问题，比如有的需要内存小，有的需要内存大，这个就存在分配问题。         虽然面试官后面也在引导，但确实没啥概念，最后感觉也没答出来。         面试官：说说TCP和UDP的区别吧？         我：八股说了。         面试官：既然你说到了拥塞避免和流量控制，详细讲讲过程。         我：答了每次应答会回传一个值控制滑动窗口大小以及慢启动，拥塞避免，快重传这些八股。         面试官：对回传这块深入询问。         我：浮于表层的我，又答不出来了。         面试官：尝试引导，以堵车为例子，什么交警如何知道堵车以及后续怎么控制拥堵程度。         我：尝试作答，但感觉没答到面试官想要的点子上。                   面试官：你为什么要做这个项目？价值在哪里？（大致这个意思）         我：额，这两个是学习项目，没有上线，学习前端开发的流程。         面试官：好的，说说项目的亮点吧。         我：说了虚拟列表的几种实现方法，轮播图以及电梯导航原生实现的三种方法。（可能这里提了自己在网上找了多种                 实现方式，面试官觉得没有自己的思考？）         面试官：这几种实现方式也是网上常规的，也就是都是网上寻找的现成方案吗？         我：额，确实主要是以网上的方案为主体进行更改的。         面试官：你还觉得你项目有什么难点吗？         我：这时候已经有点晕头了， 说这几个点确实都是网上找到方案做的，还说这些也不难         面试官：好的，进入下一个阶段。         面试官：现在可以做一个智力题吗？         我说，可以换一个算法题吗？（开始介绍时，说了这个阶段是算法或者智力题，完全没做过那啥杯子倒水的智力题，就说换成算法吧）          面试官：好的，但我这个可不是leetcode上的那种算法题          题目大致如下：相亲市场上有很多男女，让你设计一个算法，每轮随机进行配对，然后不允许配对已经配对过的，          每轮打印结果。                     因为时间不够，就说了下思路，把男女进行标号，用一个列表存储已经排列的男女，例如[男1-女1，男1-女2]          后面问优化方案以及时间复杂度。          答完后面试官说没有答到每轮随机的设计方式。（可能当时听题目没太注意）          问你用过AI辅助开发吗？怎么用？用的chat还是Agent模式？           反问。（工作日后被捞）            第二轮美团一面：（主要还是AI）           1.先问了下项目中某个功能的具体实现？问的蛮细，问的蛮久，比如这个组件传哪些参数，怎么动态生成。           2.useCallback useMemo Memo           3.跨域           4.用的什么AI工具开发前端？ 为什么用cursor?           5.提到了agent模式，怎么用mcp工具查看选中DOM，怎么用AI检查内存泄漏，AI辅助开发的技巧有什么？           6.要求打字结合说明，就说我用AI尝试开发一个苹果时钟APP，过程有哪些关键。比如明确AI的身份，要一步步的来               把你需要的组件的大致结构传给AI，入参哪些，什么样的逻辑。（这部分就是主观的，完全看你平时怎么用AI辅            助来答就行）           7.后面基本都是AI的一些浅层知识，哪几种大模型，区别，适用于哪些场景这些。           美团二面：（全是AI）           也是问AI辅助开发有哪些诀窍，你会怎么使用，然后遇到一些问题怎么解决？                      中途提了一嘴动态表单，然后面试官就给了一个需求让现场打开共享用AI辅助开发一个动态表单。（这个基本占据大量面试时间，最后没写出来。（cursor其实真没用多少，尤其是准备面试这段时间）            把你每次的提示词复制发送给面试官。                        就问你怎么了解AI大模型发展？ 用过哪些？ 怎么用？ 以及大模型在哪些地方有缺陷？以及刚才你用AI辅助开发哪里存在问题？            反问。（流程没变超多天，最后OC，感觉是前面的人鸽了很多？）                        就以我以及身边的人而言，感觉确实前端开发对于大模型的应用很关注。            以我舍友为例，面的某杭州大厂，一面1小时，简单问了点八股和项目后，看到他的研究方向跟大模型有关，就畅谈了半小时的研究方向和大模型； 二面1小时，应该全部是聊大模型；最后通过，说是部门最近想搞一个跟大模型结合的内容，想招点懂些这个的人进来可以搞点有意思的东西。（同学做的是这方面研究，但论文尚未投出，所以我觉得如果是冲算法岗位但确实大厂神仙打架进不去，可以尝试开发学点，当下大模型风口也许不问你开发很深的东西就让你通过了，后续进去也是做和大模型相关的东西，也许算是算法爷的曲线救国？）

🌈 Transformer模型核心解析 Transformer以自注意力机制为核心，打破传统序列模型依赖循环结构的局限，通过并行计算在输入序列各位置间建立关联，成为自然语言处理领域的“顶流”架构！模型由编码器和解码器构成，通过多层注意力机制实现信息交互与特征提取，精准捕捉文本语义。 💡 不可忽视的优势 1️⃣ 并行计算王者：支持高效并行运算，轻松应对大规模数据与分布式训练场景，大幅提升训练效率 2️⃣ 迁移学习利器：预训练+微调模式适配多任务，从机器翻译到情感分析，一键切换超灵活 3️⃣ 长距离依赖杀手：自注意力机制无视序列长度，轻松捕捉跨段落语义关联，告别“健忘症” ⚠️ 使用需注意的短...

今天老师整理了大模型入门的几个学习步骤、目标和需要掌握的基础知识，供初学者快速掌握基本路径。1️⃣前置知识： Python 基础、 Linux 基础🌟学习内容1.熟练掌握 Python 语言，熟悉常用的Python 库和工具，如 NumPy 、 Pandas 、  Scikit - learn 、 PyTorch 等。2.具备 NLP 相关的基础知识，包括文本预处理、分词、词性标注等。3.对大模型有一定了解，包括Transformer 模型的结构和原理、基于注意力机制的自然语言处理技术等。2️⃣Step1:NLP相关基础知识🌟学习内容1.了解文本预处理、分词、词性标注、命名实体识别、词向量表示等基础知识。2.掌握机器学习中的数据预处理、特征提取、分类、回归等基础算法，并了解其在 NLP 领域的应用。3.了解大规模 NLP 任务中的常用技术和方法，如深度学习中的 Transformer 模型、 BERT 、 GPT 等。3️⃣Step2:GPT API 调用及 Prompt 设计🌟学习内容了解 GPT API 的调用方式和基本操作，熟悉 Prompt 设计技巧和要点，能够结合自己的任务调用 API 实现对应的任务代码。4️⃣Step3:模型微调（ Fine - tuning )🌟学习内容了解常见的微调模型的基本流程和原理，熟悉数据集的构造、训练、评估等过程，能够独立构建 QA 对，在服务器上对模型进行微调。5️⃣Step4: RAG （外挂数据库）🌟学习内容RAG 作为目前最火的一个 LLM 落地方向，可以结合私有数据（表格、 word 、 txt 、 pdf 、数据库皆可）实现本地问答，且训练成本较低，可以快速实现效果。✴️有需要提升面试能力和辅导项目的同学可以后台联系我～

面试问题：- （针对简历提问）你工作里主要关注哪些指标？解释一下AUC含义、计算和作用- 主流的开源大模型结构有哪些？（prefix decoder，casual decoder、encoder-decoder）- 介绍一下layernorm和batchnorm的区别？- 在机器学习里，怎么处理长尾数据和多峰数据？- 怎么解决模型的冷启动问题，你觉得LLM在冷启动方面能够起到什么作用？- 介绍一下常见的优化算法（SGD ->Adagrad ->RMSProp ->Adam -> AdamW）？优缺点- 为什么Adam不一定最优而SGD最优的？怎么理解分析？- （针对简历提问）你工作里的对比损失是怎么构造的，有什么作用？介绍常见的对比损失的公式。代码题：- 数组第K大。给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。（力扣215原题）- 手写对比损失的计算（结合项目），并简单说了一下原理。（大概写出来就好）二面我这个是交叉面，提问的有部分设计大模型，也当然我简历上有大模型，所以问了一些llm+搜推的内容，但这部分交叉问题比较浅，能说个大概就很好，同时也有很多经典的机器学习面经问题。因为项目里提到了对标学习，所以面试官在代码考核部分让我写个示例，所以写进简历的一定要准备好（包括流程步骤，代码实现大概要清楚）。面广告算法的岗位，机器学习面经暴率很高，建议熟背，就算是看过有印象，问到的时候也会基本很稳。