有人知道某牛友写的agent相关题目汇总嘛

1. hashmap底层原理2. hashset与Treeset3. 自动拆箱和自动装箱4. equals和hashcode（），不重写hashcode会怎么样5. 项目中使用了validation做参数校验，说说底层原理6. 项目中使用了agent智能体，用来做什么的7. 反射8. Rag有什么作用9. 遇到多个文件需要存放到rag，怎么解决10. 平时如何学习新知识的11. 反问面完面试官口头给了offer，因为工作内容是给ai写的代码进行评分和review，没去

继续来分享下之前的面经~欢迎友好讨论，信息共享1、实习拷打2、项目拷打3、八股a.go相关，协程，GMP调度，以及协程和线程的区别b.go协程泄露什么情况下会发生c.go的内存模型，mcache、mspan、mheap这三，以及为什么要分级d.MySql事务及其实现,e.MySql索引、树，MVCC，索引覆盖

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...

沟通了快一百家，投出去15份简历，还有一半得是销售岗，还有一半投出去就知道拉倒了，没想到6级好像很有用，，基本都是hr，项目没人看，都是46级，奖和竞赛都少，主要也是我们学校交通为主，说实话软件都要求日语，这算是大连局限性了，好像ai没我想的那么严重，还是传统为主，简历得改改，厚脸皮问了一下问题，有说空的，有说字小的，还有个专业人员说，项目的知识点太空泛了，需要具体一点可以多写点，友友们能给点建议吗