手子感谢信

秋招选offer，我觉得薪资多少、业务toB还是toC、前端还是后端、福利待遇等等确实是重要，但是其实也并没有那么重要。因为跟对一个领导，处在一个氛围好的团队里面，才是决定你能不能在这干长久的重要的因素。那么什么样的领导是好的呢？我认为核心就两点：懂业务，更懂人心！懂业务：好理解，就是专业能力过硬，遇到卡点不是只会催进度，而是能给出实际解决方案，然后就是不搞PUA，不会否定你的付出，做的好就公开夸，做的不好先一起复盘，想解决方案，而并不是甩锅。懂人心：愿意给我们这样的年轻人成长空间，根据你的优势分配任务，支持你学新东西、试错，还会主动给晋升机会。沟通起来不绕弯子，有问题直接说，团队氛围轻松，不用猜来猜去搞内耗。遇到这样的领导，至少工作干起来充满干劲，不容易内耗，遇到这样的领导，直接闭眼选吧！

秋招timeLine：8.26投递8.31笔试9.12一面9.16二面9.21hr面10.14三面11.03四面11.18 oc今天快手和小红书都开奖了，但是小红书开的确实太高了杀死比赛了，打算去小红书了，整个过程等的太煎熬了。base杭州，商业技术-电商，有同部门的佬们可以交流一下

一、少量八股1.介绍下self-attention，计算其时间复杂度。2.为什么要用multi-head attention？3.kv cache是什么？它为什么能极大地提升推理速度？4.PPO的clip机制？在线强化学习和离线强化学习有什么区别？RLHF是哪一种？5.为什么要用reference model?为了解决什么问题？二、项目深挖1.如何让多个agent协同工作的？举个具体的协同机制例子。2.如果一个agent误判导致策略冲突，如何处理？3.你们有没有用到类似AutoGen或LangChain的框架？为什么选这个框架？4.你是怎么设计agent的记忆系统？5.长期记忆如何存储？如果历史记录量非常大，怎么优化查询效率？6.有没有做记忆衰退，避免旧数据干扰新任务？7.你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？8.你简历里的人机协作流程，具体是什么意思？怎么设计人工干预与agent自动处理的平衡？9.human feedback是怎么被agent消化吸收的？有没有用rl进行策略更新？三、业务理解1.有没有做过模型压缩？比如在车载端或低端设备上的推理加速？2.如果量化后理解能力下降怎么办？怎么做精度补偿？3.你怎么处理响应速度与推理精度之间的tradeoff？是先召回再精排，还是单次生成？4.如果要做电商agent，你会选择哪些模态的信息作为输入？比如文本评论、图像、视频、购买记录？5.有没有做过A/B测试？

抖音 后端 支付分账 大 sp   go  高 base 低总包京东 后端 搜推后端服务 ssp c 加加  低 base 高总包友友们 怎么考虑呢  ，一个平台背书更好 一个给的包太香了