1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...

不知道过两年会变成啥样…   

就不投

我作为后端求职者，即便 AI 能解题、写代码，刷 Leetcode 依旧很有必要。AI 只能给出答案，却练不出你的逻辑思维、代码思维与解题思路。面试依旧看重手写算法、思路推导，刷题锻炼的底层思维，是 AI 无法替代的核心能力。