蔚来端到端实习一面面经

过去一年也拿过自动驾驶公司的offer，包括蔚小理等公司，互联网公司搜广推岗位，以及AI四小龙的领航者计划，但最终选择更适合自己的自动驾驶独角兽公司 九识智能科技。一方面考虑到小组氛围，凭技术吃饭，不会有任何职级压迫，是上级也是朋友，另一方面实在给的多，比大厂给的都多，现金+期权，加上公司马上上市，而且在初创公司更容易成长，方方面面的技术都能涉及到，也更容易得到上级赏识。如果换你，你会怎么选呢

1.自我介绍和项目2.Qwen- VL 的训练流程是怎样的3.讲一下大模型的训练流程，多模态大模型的视觉特征传递给 LLM 都有哪些方法4.ViT 一般怎么预训练5.多模态 RAG 介绍一下6.对于不同形状的图片或视频，位置编码怎么设计7.在 ResNet 或者 Transformer 中，残差连接的作用是什么，展开讲讲8.开放题：大模型在训练和推理的时候显存不够，有哪些优化方法9.代码：215．数组中的第 K 个最大元素

1.浏览器从输入url到页面渲染的过程2.浏览器做了哪些工作解析HTML最终形成页面展示（渲染过程）3.对js的解析是解析什么内容4.就是假设我们已经解析完了，不管它是解析什么内容，那解析完之后的话，它其实会有一个事件循环的机制，介绍一下js的事件循环机制5.事件循环在nodejs和浏览器的区别6.vue3的vue2响应式的话有哪些区别7.vue3实现一个自定义的响应式的数据应该怎么实现8.对于引用类型和基础类型的ref 实现上有什么区别？基础类型通过包装对象实现响应式，引用类型则借助 reactive 转换为代理对象，两者最终都通过 .value 访问，但内部处理机制不同。9.vite的热更新为什么比webpack快？10.vite是怎么支持解析所有文件的为什么？11.性能优化的方式，首屏加载优化资源层面，优先压缩和拆分资源，如用 Vite/Webpack 拆分代码（Code Splitting），大文件分片加载；图片懒加载非首屏图片。通过 CDN 分发静态资源。代码层面，路由懒加载（如 React.lazy、Vue 异步组件）。缓存层面，设置 HTTP 缓存（强缓存 Cache-Control，协商缓存 ETag）12.大文件进行分片加载是如何实现的?首先前端获取文件总大小，按固定尺寸（如 1MB）计算分片数量；然后通过 HTTP Range 请求头，每次请求一个分片（如Range: bytes=0-1048575）；服务端根据 Range 返回对应片段；前端接收所有分片后，用 Blob 或 ArrayBuffer 合并成完整文件。13.强缓存的，就是说要用强缓存。那你如果强化了之后，那你怎么更新呢？就比如我发了个紧急的 V3版本，你是当前可能强化才能 V1，那我怎么更新到 V3？给静态资源（JS/CSS/ 图片等）添加版本标识，如在文件名后加哈希值（app.8f3d2.js）或版本号（app.v3.js）。构建工具（Webpack/Vite）可自动生成哈希，哈希值随文件内容变化而变。14.标识是在哪里做的?构建工具（如 Webpack、Vite）会在打包时，根据文件内容生成唯一哈希值（如 MD5），并添加到文件名中（如index.abc123.js）这一步由构建工具的配置实现。15.那如何要设置html的强缓存，如何做到强制更新？16.RAG（检索增强生成）到底是什么东西，工作原理怎么样17.为什么要做向量化的过程？18.RAG减少的原因是什么，还有什么方式可以减少幻觉19.就是你是如何去了解一个全新的一个技术领域的，就是你是怎么去做对应的一个学习的？有没有一些学习的方法论可以分享一下20.分享一下Mi-BRAG21.手撕：要实现支持并发限制和先进先出（FIFO）的异步任务调度器22.追问：task返回什么类型任务执行失败了上面功能能执行么，promise如何处理失败，但是不阻塞队列->finally()catch的时候，能否将其重新加入队列重试📍面试公司：字节跳动-今日头条💻面试岗位：前端开发

一面： 深挖项目，没有过多问八股，主要是项目里涉及的手撕：一开始让我写一个匈牙利算法，不会，于是换了个最长递增子序列，但是要输出子序列是什么，我用动态规划写的只能得到最长子序列的长度。面试官问了一下如何得到路径的思路，我说用一个数组不断保存上一个位置，最后逆序输出即可。没有再写。反问：（1）组内是做什么的？他只说了是自动驾驶萝卜快跑，具体干什么根据进来后再说（2）再学点什么东西针对之前做的追踪，他说现在检测和追踪可能都搞到一起了，可以学习一下端到端的方案。二面：自我介绍还是深挖项目细节，具体到了 lr 怎么设置的，batch_size 设的多少，怎么进行标注，如何确定模型的效果。基本上没什么干巴的八股，都是针对项目细节询问为什么这么做，还有什么别的做法，最终为什么确定了使用这种，对比这几种的优缺点，如果要牺牲某些东西，是否可以提升某些东西。手撕（面试官说一面因为我相当于没有完整的写出一道题，所以这次要重点考一下）：场景题： 给 10 万个激光雷达的点，也就是用（x,y,z）表示，现在将其投影到 BEV 视角下，BEV 的分辨率为 0.2m，然后使用 C++语言，将这 10 万个点转化为 H*W*10 的向量。10 分别为 xy 方向的最大值、最小值、平均值和格子内的点的个数。先写伪代码即可然后讨论了下面三个问题（1）分析时间复杂度和空间复杂度（2）如何优化时间复杂度：从多线程角度思考（3）如何优化空间复杂度：点云都集中在一些格子里，大部分空间里是空掉的，如何降低存储空间。总之来说就是从系数空间转换到稠密空间。反问：面试官只约了一个小时的会议室，还差五分钟的时候有人来催，所以没有好好问。他自己介绍了一下就是做萝卜快跑的感知部分，反正就是那些东西（1）一共有几面？不太清楚校招有几面，应该是三面（2）现在做端到端还是解耦？纯端到端还是太难了，目前还是有解耦三面：约在了周日晚上8：45，面试官在家里，还听到了应该是他女儿还在旁边玩。只花了三十多分钟。针对简历中的自动驾驶的实习着重说了一下。解释一下追踪的指标代表什么？场景题：在遮挡物特别多，遮挡特别严重的情况下，如何提升对行人、非机动车的追踪效果？没有手撕。反问：（1）我看到有北京和上海的base，有什么区别吗？没区别，都是同一个团队，只是工作地点不一样（2）多久给反馈？和一二面面试官讨论一下，一周内给反馈