地平线内推

本次仅有一轮技术面试，全程围绕个人简历展开，时长约30分钟。面试问题主要包括：1.请介绍Linux字符设备驱动的基本框架，并说明在相机bring up过程中该框架是如何被应用和实践的。2.在多相机系统中，如何实现双目相机之间的时间同步？有哪些关键点需要注意？3.在相机bring up过程中，你是否遇到过软硬件方面的问题？请分别从软件和硬件的角度，说明问题的排查思路和最终解决方案。4.请举例说明你曾经帮助客户解决过的实际问题，包括问题排查的方法和解决过程。5.请详细描述CPU发出虚拟地址后，到最终映射至物理地址的完整流程，涉及MMU、TLB和页表的作用与协作机制。6.Linux系统中内存碎片是如何产生的？有哪些回收机制或策略可以应对内存碎片问题？7.在用户态是否可以实现设备驱动？如可以，请说明其实现方式与适用场景。反问环节整体来看，面试侧重考察Linux系统下的底层软件开发能力，问题与简历内容高度相关，面试官会逐项询问项目经历和技术细节。

自驾算法一面项目用anchor-based的，有没有考虑用anchor-free的方法？为什么anchor-free在这个项目里比anchor-based差，有没有想过为什么有没有试过DETR的方案或者其它方案？对于目标密集和遮挡情况下，anchor-based和anchor-free有什么区别，比如分类有人和自行车，现在一个人骑着自行车，用anchor-free和anchor-based方法训练会有什么不一样？（anchor-based方法预测的框的数量多召回率高，anchor-free的精确率高召回率低，答案是anchor-based方法会匹配的更好，因为不同类别的宽高比大小不一样，，但a...

一共30min 无手撕18min左右 实习内容介绍与简单讨论渲染管线流程（二面问过了不实时计算，如何预处理不是计算机专业，学习这些知识的过程是怎样的何时开始使用UE，如何学习反问好奇怪的面试，感觉面试官有点累，反问也是惜字如金草草结束有点不妙

旷视科技 MegEagle计划 大模型 一面面经整体56分钟，算是提前批，岗位是视觉/语言大模型算法研究员1.自我介绍2.拷打实习项目，先介绍了一下实习的业务背景，我的是一个智能npc的，我讲了模型训练、数据处理、调优探索几个方面，他问我让模型更加遵循人设是怎么做的、数据分布是怎么调的、评估是怎么做的，然后问我deepspeed原理、vllm原理、kvcache原理3.拷打第一个项目，我的是一个rag的项目，我先整体讲了一下，然后他问我向量模型选的哪个、为什么不选别的、向量数据库选的哪个、还知道哪些、模型幻觉的解决有什么方法、模型长上下文解决的方法，我各答了我的理解4.拷打论文项目，我把我论文...