是一个AI产品的测试岗，全程30分钟- 自我介绍- 写俩SQL（一个联表一个忘了）【都是对的】- count(1) count(*) count(字段）有啥区别【估计答错了】- 只要年龄最大的10个用什么函数【我说top，面试官说limit，limit不是分页吗】- 最大值用什么函数【max】- 用过大模型吗，用来干啥了【GPT、深度学习？】- 键约束是啥，约束是啥【真忘了】- 索引的优点和缺点【查的快，大量请求还得创建索引时间长】- 排序正着排和倒着排是啥【AESC DESC】- 测试的时候出现问题如何区分是前端还是后端的问题【没做过前端测试，只做过后端】- delete drop还有一个啥也是删除，三个的区别【删除所有数据和删除所有数据以及表结构】（还有一大堆想起来再编辑，半个小时都在问sql）后续就是挂了HR回复：这个岗位相对特殊一点，是专门做数据平台和大模型的测试工作，技能比较单一

#华为校招# 终端软件部HarmonyOS部hc充足，一起来参与第三大移动操作系统HarmonyOS Next的构建，有意者私聊，全程跟踪进度。

之前国庆节前约过一次二面，当时因为做叠纸的笔试就推了（此处再次diss一下狗叠笔试全a感谢信），当时hr说节后再约，结果直接约到月底了时长：35min1.自我介绍2.拷打项目，无八股和手撕鼠鼠本身是做算法的，这边是做开发的，面试官看没什么相关经历感觉也不是很想问，每答完一个问题都会停顿好久，到后面开始纯聊天，问学习困难，问家庭情况，问有没有offer，最后反问的时候感觉还是很介意没有相关经历的同学的

现在有两个地方看起来比较合适，一个是去做业务场景落地，比如大模型应用到业务上，微调，agent这些；一个是去做基础技术，比如大模型 KV cache 等等优化，针对多模态场景的 KV cache 等等。两个平台都不错，图片上就是第二个。我的情况是，博士读书期间主要做科研，写论文，做的是多模态算法，改改网络结构，发发论文这些。感觉很多师兄师姐都是去做业务场景落地，不过工作可能也比较偏数据处理，业务调优等等。好处就是这个岗位需求大，跳槽也容易。坏处就是卷。。。基础技术研发感觉比较偏底层，做 kv 复用，kv检索等等，里面研究员，博士比较多。这个岗位好处是技术比较深，坏处可能需求量少，做模型基础平台技术不需要太多人请问大家这两个应该怎么选呢 #计算机# #深度学习与神经网络# #多模态# #大模型#  #大模型推理# #offer帮选#