求助各位大佬简历指点，投大模型开发岗

发点面经攒攒人品～1.React 的渲染机制中，如何优化AI聊天机器人这种频繁更新state的场景?2.详细说明一下如何实现AI自动滚动到底部，并处理用户手动向上滚动时的冲突?3.在前端实现 RAG(检索增强生成)流程中，前端通常承担哪些职责?4.谈谈WebWorker在AI前端应用中的具体使用场景。5.如何设计一个可扩展的AI组件库，支持多种模型和交互形态?6.请解释一下Token的概念，以及前端如何估算Prompt的Token长度?7.针对AI响应慢的问题，前端可以做哪些用户体验上的优化?8.手写题:实现一个简单的流式数据解析器，将Uint8Array转换为文本块。

背景 1年多测试经验，本科科班出身，上一份工作因内部转岗无望辞职待业一年。深知转开发岗难度大，华为OD成了唯一突破口。通过HR全程跟进，从机考到面试全流程指导，最终拿下Offer。没有开发经验？这份真实经历告诉你，测试转开发也能稳稳上岸。 机考：我的385分通关实录（亲测有效） 德科HR发了题库和刷题指南，考试时避免代码重复率被查。双机位考试必须提前调试——我买了手机支架，避免摄像头晃动被判定违规。 我的机考题目（真实题）：  T1：成绩排名（100分） 输入：[("张三", "数学", 95), ("李四", "语文&qu...

多模态模型横向对比除了 Video-LLaMA，还了解哪些主流多模态大模型？→ 常见的有 LLaVA、Flamingo、BLIP、BLIP-2、KOSMOS、PaLI 等简单介绍 ALBEF 和 BLIP 这两个模型的核心设计→ ALBEF：基于图像 - 文本对比学习，搭配动量蒸馏来优化图文对齐效果；BLIP：引入 captioner 生成高质量图文对，再结合 filter 机制筛选优质数据BLIP-2 的整体结构是什么？两阶段训练流程是怎样的？用到了哪些损失函数？→ 结构：在 ViT 和大语言模型之间插入 Q-Former 作为中间桥梁→ Stage1：冻结 ViT 和语言模型，只训练中间的 Q-Former→ Stage2：冻结语言模型，将 Q-Former 与 LM 连接，做指令微调→ 损失：ITC（图文对比损失）+ ITM（图文匹配损失）+ LM 生成损失微调方法（PEFT 全家桶）了解 PEFT 吗？再讲讲 LoRA，重点说明低秩假设的合理性→ PEFT 是参数高效微调的统称，核心是只训练少量参数而不动原模型权重；LoRA 假设模型权重更新量 ΔW 具有低秩特性，将其分解为 A×B，只训练 A、B 两个低秩矩阵，既节省显存又能保留效果除了 LoRA，还有哪些 PEFT 方法？Prefix-tuning 和 P-tuning 有什么区别？→ 其他方法：Adapter Tuning、Prefix-tuning、P-tuning、IA³ 等→ Prefix-tuning：在输入序列前加可学习的 prefix，作用于注意力的 K/V 矩阵，更适合 decoder-only 架构→ P-tuning：用小型网络（如 LSTM）生成连续的 soft prompt，解决离散 prompt 不稳定的问题，更适配 encoder-decoder 模型大模型训练范式你项目中用到的大模型结构是什么？多模态特征是如何喂给大模型的？→ 示例流程：视频帧 → TimeSformer 提取时空特征 → 特征池化 → 线性投影对齐到文本维度 → 拼接到文本 prompt 之前 → 输入 LLM大模型在做了指令微调后，为什么还需要 RLHF？→ 指令微调只是让模型学会遵循指令，但输出可能更偏向 “模板化”；RLHF 是通过人类偏好对齐，让模型输出更符合人类价值观、更自然、更有用的回答，解决 “有用性” 和 “安全性” 问题了解 RLHF 吗？描述它的完整训练流程→ 三阶段流程：① SFT 微调：用高质量指令数据对预训练模型做监督微调，让模型学会基本指令遵循② 训练 Reward Model（RM）：用人类标注的偏好数据训练奖励模型，学习给不同模型输出打分③ PPO 优化：用 RM 作为奖励信号，通过 PPO 算法更新策略模型，最大化 RM 给出的奖励，实现与人类偏好对齐手撕 LeetCode 原题：合并 k 个升序链表→ 核心思路：用小根堆维护 k 个链表的当前节点，每次弹出最小值节点并入结果链表，再将该节点的下一个节点入堆，直到所有链表遍历完毕；时间复杂度 O (N log k)，N 为总节点数

刷到这个话题必须来波硬货，前前后后研究了上百家公司，把2026年值得冲的AI公司，按梯队整理成了完整清单，从大厂到独角兽，从通用赛道到垂直领域，应届生、实习生、转行党全适配，找AI工作的牛友直接抄作业！第一梯队：全栈AI巨头｜平台大、资源足、抗风险能力拉满这一档是国内AI全产业链布局的绝对龙头，技术沉淀深、业务场景全、校招体系完善，适合想稳扎稳打、系统成长的应届生，也是AI行业的硬通货。字节跳动核心AI方向：豆包大模型、AI Agent、多模态AIGC、AI安全、火山引擎AI基础设施推荐理由：国内C端AI用户规模最大的厂商，豆包生态已经形成完整闭环，AI相关岗位占比超90%，校招hc充足，薪资...