怎么提高解决场景题的能力

从绝望到上岸，我的测开之路有点梦幻。开奖前我觉得就是个白菜价，结果确实意料之外——但回头看来，每一步都踩在了点上。时间回到一年前 那时候还在坚持后端 有两段后端的实习但是投递大厂没什么反响 于是毅然决然转向了测开 那个时候市面上没有什么测开的资料 比如测试八股 自动化各种指标的含义 ci/cd流程等等 所以自己花了四个月时间慢慢逐步的去摸索测开的路线 学习完的第一周开始投简历 也是非常幸运的约了两场大厂面试 更幸运的是一面就过了 实习六个月里，我发现测开远不是"点点点"那么简单，组里的专项和正式OKR挑战性十足 所以在组内呆满了六个月时间直到暑期实习 暑期实习也是比较幸运 ...

1.做题 三个有序数组求交集2.空闲列表 分配内存 不懂这个3.跳表怎么插入数据4.为什么要用跳表5.缓存穿透 解决方案6.布隆过滤器原理7.项目难点8.自己的优势与不足9.为什么没实习10.在课题组做项目和1企业有什么不同许愿hr面

问CLIP的训练方式。多模态大模型的embbding应该怎么训练？对比学习。会用到哪一层的特征？最后一层。场景题：给一个文本token，怎么判断在题库中是否存在，或者说它的位置。细粒度感知能力怎么提升？忽视视觉感知能力的问题怎么缓解？Qwen3-vl 的 deepstack?qwen2.5-vl 的 ViT是什么？有没有初始化的权重（面试官可能想问是不是用的原始的NaViT权重，这里我想的是ViT肯定得先预训练）业务主要是搜题和解题。代码一个 sub词的列表的子集能否组成单词 一个大数之和，字符串 s 和 t，相加后返回新的字符串

测开实习岗，已经Next level了卡保研了