从3月15号左右开始投递，总计投了30家左右，因为有的厂没我的岗位就没投唯一约面的是OPPO，面的时候太懒散了，没认真准备，挂之😭后续做了很多家测评，好几家是无后续，好几家是测评挂（题库没刷）后续转实习僧，BOSS投日常，收到了字节跟博西家电的面邀字节一面后，本来约定好的二面时间在面试前5分钟被通知要取消，后面的几天都没后续了…博西家电面试过程很顺利，跟面试官聊的很好，两天后收到offerPS：网上大家都在吐槽南京是实习荒漠，确实这边很多互联网大厂的业务都有点边缘，而且不招实习生……我第一家实习的公司特别小………但是这次投暑期的经历让我感觉自己之后还是比较适合在江浙沪这块发展，毕竟离家还算比较近，以及有了几次在南京找实习的经历以后，比较容易得心应手了。

第 53 题：上下文压缩（Context Compression）在长文本场景的应用 题目 解释上下文压缩（Context Compression）技术在长文本场景的应用。 一、为什么需要上下文压缩？ 长文档、多轮对话或大量检索结果会占满 context 窗口，导致：超出模型长度限制、重点信息被挤到边缘、成本与延迟上升。上下文压缩 指在保留关键信息的前提下缩短或摘要送入模型的文本，使更多内容“塞得进”且关键信息不丢。 二、常见做法  摘要：对长段做摘要（用模型或抽取式摘要），只把摘要放入 prompt；适合“只要大意”的问答与检索后阅读。 选择性保留：按相关性或重要性筛选句子/段落（如用检索分...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习拷打2.如何选择基座模型？有哪些因素需要权衡？3.了解市面上有哪些中文的开闭源模型？4.有哪些微调的方法？怎么判断做全参还是lora5.有什么东西主要影响微调的效果？数据需要关注哪些点，多样性怎么做权衡，有一些长尾样本要怎么判断应不应该采样？对于prompt应该关注哪些方面？6.怎么看待llm的复读和幻觉问题，如果微调过程中出现这类问题怎么处理？7.sft做到什么程度可以做RL？8.多模态大模型中用什么网络对齐图像和文字的embedding？除了ViT还有什么？9.手撕：两数之和，三数之和

腾讯一面（腾讯云）2026/4/71、React Native 跨端改造遇到的问题（核心问）你负责 RN 改造哪些模块？任务列表、订阅购买、任务展示、用户中心等通用业务。跨端模块怎么划分？ 三层架构：公共层：业务逻辑、Hooks、工具、请求（70% 复用）适配层：端差异集中聚合（支付、通知、安全区、原生能力）业务层：只调用统一接口，不写零散 Platform 判断为什么不直接在业务里写 Platform？避免到处判断、难维护、易出 bug；所有差异集中收口，统一维护。是别人给方案还是你自己设计？leader 给方向，我自己做模块拆分、差异收敛、目录规划，按 “高复用 + 低耦合” 落地。2、国...