1. 手撕 合并链表(l1,l2) 但是无返回值（其实挺简单的，多个 prev 指针，但一开始写成有返回值的了，最后太紧张了没改过来，下来看发现很简单）2. 讲讲项目3. MVVM 怎么实现的4. 具体讲一讲 MVVM 的流程，比如完成任务，就比如数据有一个列表，页面一个加号，实现怎么做的5. 图片上传（批量上传，上传失败，网络相关的）6. 列表滚动优化这块怎么做的7. 把大量计算放到异步函数，举个例子8. 那假设有大图，你在滚动这块可以怎么做，怎么渲染，来优化9. 多级缓存机制10. Actor 模型数据一致性讲一下11. 那 actor 模型这块，它肯定是串行队列，那假设有 100个低优先级的，现在有一个高优先级的，怎么办12. 那假设用户滚到第100个，现在想回到第5个，那会不会涉及到加载删除的过程，那有没有好的调度实现13. 那要是用户不断上下滑动，那你说的那个缓存加载机制不断有个加载删除过程了？总共1h10min左右，主包还是太菜了，面完就挂了

业务方向有点像贝壳的室内设计空间理解问项目，介绍的比较细八股PPO 和 GRPO 的区别ds zero 1 2 3做题计算X,Y的欧氏距离，用torch，需要注意 unsqeeze()扩展维度以便broadcast，以及dim=2 torch.sqrt(torch.sum((X.unsqeeze(1) - Y.unsqeeze(0))**2),dim=2)  import torch X = torch.tensor([[1.0, 2.0], [3.0, 4.0]]) # 形状 [2, 2] Y = torch.tensor([[1.0, 1.0], [2.0, 2.0], [4.0, 4.0...

bg双非本硕，秋招offer应该如何选择

聊得还挺愉快的面试官问的更多的是思考看得出面试官还是比较懂的问了cot的发展历程，为什么出现cot，有什么好处，解决了什么问题，第一个cot模型怎么设计出来的？开山之作：Chain-of-Thought Prompting Elicits Reasoning（few-shot） ，“Let’s think step by step”过度思考怎么解决：1、训练混合推理的数据，2、用户自己决定开不开启think，3、外加一个分类器，输出是问题的think budget。test time scale是什么？语言捷径问题的定义，为什么会出现这种现象，如何验证，怎么解决？定义：VLM过分依赖文本先验的...