👋个人背景：2本9硕，2实习无论文👏offer1：字节tt推荐大模型，base上海，主要是短视频推荐，主端信息流冷启动方向，面试官说主要在探索生成式推荐，强度早九点半晚九点半，toc业务;💯offer2：阿里云瓴羊，暑期实习转正，base杭州，岗位是大模型算法，主要方向是智能客服，RAG，agent等，但我应该是主做rag，强度早十晚九，tob业务;两家给的十分接近，字节业务貌似更好，但以前没接触过推荐，阿里云组内更熟悉，不用担心landing或者试用期不过，但是商业化团队技术感觉不强

岗位：武汉 嵌入式开发timeline：8.30 测评，10.9 一面，10.11 二面一面技术：自我介绍讲下实习经历平常怎么debug项目中有没有遇到什么问题，怎么解决的介绍一下学校经历了解数据结构吗？基本的数据结构？查找搜索效率？有什么方法可以提高效率？具体围绕数据结构问了很多RTOS，多任务操作反问：做存储固件的，具体的进来再分二面HR：北京线下，地点在北京研发中心，具体内容就是唠家常，一些HR面的基本问题销售工程师工作体验，总结累但成长很多。1.大家最先关注的就是HIK的工作压力，只能说体面厂没有辜负盛名！名不虚传！我来这边是销售岗，基本上每天都要差不多11点下班。因为销售不仅需要对接...

面试题简述现在模型都在追求上下文，你知道业界一般怎么做的吗？比如Qwen是怎么实现超长上下文能力的？面试官想听的1、解释超长上下文的常见技术路线。2、能具体说出 Qwen 的 Attention Sinks。3、能提到 RoPE 插值、多尺度位置编码。面试示例回答业界主流的上下文方案包括：1、位置编码扩展，比如 RoPE 插值。2、注意力稀疏化，比如 Longformer。3、扩展 KV Cache，如 MQA/GQA。4、Attention Sinks 解决模型以往问题。详细内容可跳转该链接查看详情：http://xhslink.com/o/9If4fL2eS0F由浅入深分析1、RoPE插值...