前面忘了,后面忘了,狠狠赚一笔

9月11日超参数后台开发HR面最后面试官说，他们同事有刷到过我的小红书就让我有种网友面基的感觉，逃..般HR面压力不大，主要是聊天，侧重通用能力的考察。这轮面试官也是和我一直约面试的HR,越到后面聊的越开吧，我就随心聊了上来问了我一些个人信息，像生源地，高考成绩这些，还有研究生学校选择，就业城市选择，就业方向选择等。接着开始围绕我实习经历，考察通用能力，比如怎么学新东西，实习带给我的提升，对比了实验室项目和在公司实践的区别。还问了我兴趣爱好，再往后就更敞开聊了，聊了聊大厂和独角兽的看法，看得出来，面试官是在真诚的给我做择业选择，而且我的想法和他非常一致。最后反问，我问了公司培养和今年拟招聘的人...

现在好多大厂都开奖了，选择offer时要看重什么呢？一定要首先看月base，月薪是每月稳拿的保障，总包要扣掉绩效、奖金等浮动部分才是实际到手上限。我们作为校招生，刚入职缺工作经验和抗风险能力，稳定收入能保障生活、积累底气，且高月薪往往代表公司对个人价值的认可，后续跳槽也有更高基数。但是总包高，通常意味着年终奖多，也很可能意味着你绩效考核压力大。所以个人觉得在高月base和高总包面前，在总包相差不大的情况下，一定要选择高月base。那么总包高多少可以去选择低月base的厂呢？个人的情况是东子总包比团高了6w左右，但是我根据自己的情况会选择月base高的，欢迎各位投票和评论区讨论！

超参数秋招二面（后台开发）这家的一面面得特别顺利，但是二面直接翻了几倍的难度。第一次见女面试官，然后也是第一次见到有公司校招问system design的（国外都没碰到过）。面试官很有水平，上来没有自我介绍，直接深挖简历，提的基本都是工作中会实际遇到的问题。但是感觉有点是在问他们要的我会不会，而不是我会的有哪些，所以有些问题答起来有点别扭。总之还是很有独角兽风格的。全球科技独角兽-超参数科技2026校园招聘提前批启动啦！✅超参数科技成立于2019年，是一家将A1和游戏深度融合的创新型科技公司✅公司连续获得红杉中国、高瓴资本、五源资本、高榕资本等的多轮投资。在2022年跻身全球科技独角兽招聘岗位...

1. 你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2. 构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多用户并发中怎么做隔离？你是如何保证线程安全的？3. 微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。4. DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？5. 你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？6. 假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？7. 多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？8. 你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？追问：有没有做过工具调用失败后的feedback策略设计？9. 训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？10. 有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？11. 你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？反问环节