字节内推！

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目难点。3.介绍一下认证系统。讲了双令牌。4.面试官问如果你的刷新令牌也被盗取了怎么办？5.你怎么知道被盗取了？6.那我觉得你这个双令牌没有解决你刚刚说的那个问题7.你这个计数是怎么进行读取？那你帖子的内容在哪存储？8.你这个用户关系的一主是什么？多从是什么？假设下游给这个kafka一直消费失败呢9.介绍一下你的三级缓存。介绍一下你的热点探测机制10.介绍一下你这个AI问答系统的流程11.介绍一下你这个优惠秒杀项目。12.你这个逻辑过期是什么？13.假如你异步的处理库存和订单生成消费失败了怎么办？14.写一道题吧二叉树的最近公共祖先

引言"我的简历上没有 Agent 相关的实习经历怎么办？"这是校招季被问得最多的问题之一。答案很简单——开源项目就是你的实习。而且某种意义上比实习更有价值：实习经历面试官只能听你描述，开源贡献面试官能直接看你的代码。但"用开源项目丰富简历"不等于"把项目 clone 下来跑一遍然后写上去"。面试官 5 秒钟就能分辨"跟着 README 跑了一遍"和"真正理解并贡献了"的区别。以下分三部分：推荐哪些项目值得投入、怎么参与才能真正产出简历亮点、怎么把开源经历写进简历。第一部分：值得投入的开源 Age...

继续来分享下最近的面经~欢迎友好讨论，信息共享1. Transformer 为什么能替代 RNN 成为大模型主流架构？2. Self-Attention 的计算过程是什么，时间复杂度为什么高？3. Multi-Head Attention 的作用是什么，为什么要分多个头？4. 位置编码为什么必要，绝对位置编码和相对位置编码有什么区别？5. 什么是 KV Cache，它为什么能显著提升推理效率？6. Prefix Cache 和 KV Cache 有什么区别，分别适合什么场景？7. 为什么大模型推理通常是 memory bound，而不是 compute bound？8. Batch 推理和单请求推理的吞吐与延迟 tradeoff 是什么？9. Continuous Batching 解决了什么问题，为什么对推理服务很重要？10. Prefill 和 Decode 两个阶段的性能瓶颈分别在哪里？11. 大模型采样里的 temperature、top-k、top-p 分别会怎样影响输出？12. 贪心解码、束搜索、随机采样分别适合什么生成任务？13. 重复惩罚和长度惩罚分别是为了解决什么问题？14. 为什么模型有时会出现“复读机”现象，通常怎么缓解？15. 量化是什么，INT8、INT4、FP16 的核心区别是什么？16. 推理量化会对模型效果造成什么影响，如何评估是否值得量化？17. 张量并行、流水线并行、数据并行分别适合哪个阶段？18. 单机多卡部署大模型时，通信开销主要来自哪里？19. 为什么 GPU 显存是大模型部署的核心约束之一？20. 模型参数量、上下文长度、并发数三者之间是什么关系？21. 什么是 MoE 模型，为什么它能在参数规模很大时控制推理成本？

给我面没招了，发点面经攒攒人品～1. 实习拷打2. 论文拷打3. 项目拷打4. 闲聊，职业规划5. 实习中遇到的比较有挑战的地方，或者比较感兴趣的地方6. 八股1. Cap理论，cp和ap的系统分别举例2. 有用过抓包软件吗3. 哈希怎么扩容7. 手撕 - 最大交换（leetcode 670）