单选：大小根堆转化、快排、线程池、http、状态模式、sql查询。不定项：索引、tcp、时间复杂度、二分查找、线程同步。算法1.求一个数组中全是质数的闭区间的个数。双指针找被合数分割的区间。2.a 个 1*1 和 b 个 2*2 正方形，能否刚好拼成大正方形。a <= b 必定不行，遍历查找 i^2 = a+4*b 。但只过了 34.75% 。3.给一个字符串，将各个前缀按照字母顺序内部排列之后，再将前缀数组按字典序排列，求第 k 小的元素。思路是重载 sort 。喜提 0 ，寄。#淘天##笔试#

测试面经：一面自我介绍tcp和udp的区别http和https的区别对测试的理解出了一个测试用例题：假设平台每天都可以创建活动，用户领取这些活动进行参与，加入需要限制每个用户每天参与活动的时间不能超过8个小时，如果超过，就不能再领取参与，请你设计一个测试用例mysql查询语句：有一个成绩表(学号，姓名，科目，分数)存有学生各科成绩，查询学生的总成绩并进行排名你做测试的优势有哪些你对滴滴出行平台怎么做测试开发一个算法题：有x个台阶，每次可以走1-x步，打印每种走法的步数明细你在实习中遇到什么困难，怎么解决的会不会git，git命令会不会linux，常用linux命令栈和堆⭐关于职场氛围：真的很爱...

检索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型（LLM）用海量数据进行训练，使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输出。在 LLM 本就强大的功能基础上，RAG 将其扩展为能访问特定领域或组织的内部知识库，所有这些都无需重新训练模型。这是一种经济高效地改进 LLM 输出的方法，让它在各种情境下都能保持相关性、准确性和实用性。

一面30min(内容忘了，主要是问项目)-------------------------------------二面30min-------------------------------------自我介绍，追问项目deepseek为什么好，它需要更少算力降低成本还效果很不错的机理当前行业形式你的判断其他领域AI你的理解（针对本人的医学AI科研经历）新职业prompt工程师你怎么看RL和多头注意力机制硬件架构自己的看法软硬件协同技术、实例为什么想进业内，你的从业观、择业观反问环节（无代码题）-------------------------------连续抛出几个非常大局观、很有广度的问题，对你的AI理解连续追问；AI芯片设计相关追问，很有难度根据不同面试者专业情况问题跨度很大😓更新timeline------------------------3.15   投递，测评3.17   约一面3.18   一面3.21   约二面3.22  二面3.24  二面过，仍在复试界面，发了三封催促邮件😅3.25  界面更新，进HR面3.26  HR面，当晚转录用评估3.28  oc，五分钟后收到offer邮件两周内解决战斗