腾讯一面凉经

自我介绍 项目拷打，问看过框架的源码没有。。。八股：hashmap原理DDD的优势CAS内存管理垃圾回收锁优化MCP无算法无反问全程30分钟第二天挂

1🐧 csig云数据库，ai应用开发岗，做agent memory方向，base成都，据说转正率50%+。2 🐜 平台技术事业群数智引擎，模型基准和评估岗，做评测框架的事情，base杭州，转正率未知，部门实习生挺少的。3 字节 tiktok，客户端开发岗（纯安卓&ios），业务是tt新的ai搜，base上海，不过是口头oc，要下周出结果，🐧可能会来不及。本人base上海，请各位老师帮忙，评价一下，不尽感谢🙏

tcp和udp的区别一个服务器可以容许多少个连接tcp如何保证可靠一个连接，第一次握手后不发起第二次握手会怎么样，不发起第三次握手呢syn flood攻击服务端会发生什么端口什么时候会处于time_wait状态udp缓冲区udp消息包最好的大小范围io复用的方式epoll的两种触发方式键入url到页面展示的全过程arraylist和linkedlist的区别java堆和栈的区别，对象一定会分配到堆上吗hashmap底层mysql和redis的应用场景索引失效场景聊实习许愿hr面后续 4.28电话催了之后立马约了加面

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...