海康威视前端 一面

2026.1.10  中科曙光裁员 赔偿n➕12026.1.10-2026.3.10   玩了两个月，爽到飞起2026.3.10-4.171.海康威视（实习老东家）：找了大主管（）内推，3.18号一面，4.10号挂（一面很简单，应该是排序排没了），咋说呢，曾经实习了10个月的公司，秋招简历挂和社招一面挂。2.迪普科技（大无语公司）：一天走完流程。下午一面线上面。半小时后通过，约晚上7点线下面试，线下跟hr和主管聊到8点。第二天早上口头offer，要了流水，毕业证等各种资料，然后就神奇的消失了，一周后问offer审批进度，不回复，气的直接把hr删了。早9.30 晚9.30，大小休，面试过程一直强调加班，各种pua。后来发现boss招聘岗位薪资砍了2k，继续招聘。给不起工资还压榨员工。3.迪英加：一面线上过，二面好家伙7个面试官，先做5个24点，然后一个人提问俩问题，头一次见这么奇葩的面试。24点只做出来俩，挂。4.中天软件：线下面，一个主管，一个大领导。全程pua并且否定你，一点技术问题不问，问了点计算机网络，就结束了。第二天挂。----5.闪铸科技：线下一轮面。hr和主管一起，第二天，下午口头offer，第三天正式offer。整个过程体验到了被尊重的感觉，而且直接给了预期薪资（涨薪17%）最终大概就是沟通了400+，投递44个，10个左右的面试，其他几个都比较正常。

最近大家都在简历里塞AI和Agent项目，但面试官拷打的重点早就不是你会不会调大模型API了，写篇避坑指南给大家参考。首先，核心拷打点绝对是“业务落地价值”，你做的这个AI功能到底是伪需求还是真提效？比如结合具体业务的自动化诊断，到底比传统规则引擎准多少、快多少？其次是工程架构能力，面试官会死磕你的上下文管理和长记忆怎么设计的，如果是做Agent应用，你的Prompt工程怎么迭代、向量检索召回率怎么优化、并发调度怎么处理的？第三个高频问题是“兜底机制”，大模型经常幻觉，你的系统在面对脏数据流或者复杂边界条件时，有没有降级策略？ 最后就是性能调优，流式输出的延迟怎么降下来的？很多朋友平时习惯了用...

#软件测试# #社招# #测试工程师# #面经# #海康威视求职进展#

Q1：prefix Decoder 和 causal Decoder 和 EncoderDecoder 区别是什么？答案：prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别在于 attention mask不同：Encoder-Decoder：在输入上采用双向注意力，对问题的编码理解更充分。适用任务：在偏理解的 NLP 任务上效果好。缺点：在长文本生成任务上效果差，训练效率低。causal Decoder：自回归语言模型，预训练和下游应用是完全一致的，严格遵守只有后面的token才能看到前面的token的规则。适用任务：文本生成任务效果好。...