酷狗

之前是有HR电话联系，聊了一些基本情况，包括对深度学习框架的熟练程度等整体氛围比较轻松，笔试题目难度适中，用的是C++，包括语法和算法的题目面试去的时候先做了笔试，是英语的题目。然后有两个面试官来面试的，一个比较和蔼，一个比较严肃。整个过程还是比较轻松地。

ThunderSoft  

校招开始比较早，8月份投的简历，经历了笔试，初试和复试，都是视频面试（这点在疫情期间感觉很人性化），感觉难度在逐步上升，复试没发挥好（问到具体实习项目的细节，感觉没说好），可能没戏了，算是给后面积累经验吧。整体感觉还是很专业的公司，之前看了他们的空宣，行业大牛很多。

一面 技术同事+技术主管，电话面试，问了些过往项目和技术问题，难度一般。对方人很nice，几乎是抱着交流而不是考核的态度了，我请教了一个我不确定的问题，对方态度很好的讲解了。hr面。该hr效率极低，问题宛如查户口，无聊。

去年秋招校园内推投递 一轮技术主管面简单自我介绍，介绍科研项目，其中穿插部分深度学习基础问题；问对前沿方法是否有关注，简单介绍一些前沿方法；之后就是简单聊天，面试体验挺好的，问题也不难二轮hr面自我介绍，接上一些hr面经典问题，我记得有说说自己的三个优点和三个缺点，有团队合作的经历吗，团队合作中遇到什么困难，怎么解决的，然后就是介绍公司福利待遇，聊聊天就结束了目前已经接受海康offer，三方已签，等待入职

面试流程一次主管电话面试和hr行测题，主管面就是对着简历上面写的项目进行询问感觉难度一般只要是自己做出来的就没有问题，hr面是做行测题，10道题60分钟相当有难度。

NLP开发工程师暑期实习生 四道编程题，每道20分。前两题忘记是什么了，总之很简单类似于打卡题，第三题是吃金币，考察的应该是DFS，浪费了很长时间最后还只有27%，最后一题是观测流星雨数量，考察的是差分+离散化，最后83%。四道多选题，分数各不一样，考察的是简单的深度学习和机器学习常识。笔试第二天约面。面试上来先自我介绍。然后根据项目问问题。1. 介绍一下CRF，不要说作用，介绍它的原理，和HMM的关系。没说好，开了个坏头。2. 介绍一下项目用到的模型。正常介绍。3. 介绍一下BERT模型的结构，它和Transformer之间的关系和区别。正常回答。4. 详细介绍一下Transformer层，用了什么机制。正常回答，面试官不满意，没有继续追问，开始下一题。5. 介绍一下BERT模型的预训练任务。介绍MLM，追问mask了多少，15%；介绍NSP，没有追问。6. 还了解什么自编码模型，介绍一下和BERT的区别。回答RoBERT，正常回答区别。追问还有哪些，回答不了解。7. 讨论一下BERT、LSTM和CNN的训练收敛速度，并给出原因。回答得一般。6. 介绍一下自编码和自回归。一开始理解成Auto Chain，后面误会解除但是回答得很浅，面试官不满意。7. 介绍一下实习期间的业务。正常介绍，追问事件抽取模型的构建思路，正常回答，没有追问。8. 询问LLM的相关内容。回答做过本地知识库，追问有哪些常用的LLM，想了半天回答ChatGLM有一些。NLP相关内容的回答给面试官一种很不专业的感觉，基础知识不扎实，前沿技术不追踪。于是开始询问开发相关内容：1. Linux下查看端口占用的命令。回答netstat，追问后面的参数，不会。应该是lsof -i。2. 杀死一个进程的命令。回答先PS看PID，然后kill，追问参数，回答-9。3. 查看某一资源利用率的命令，回答nvidia -msi，和面试官说她想听的应该不是这个，但是不知道。应该是ps auxw。1. 多线程和多进程的区别。回答出了三点，没回答全面。1. 最长路径和，any to any。需要在读题后和面试官说明思路，思路被面试官肯定，最后没有实现。心里知道凉了，真的没啥心情反问，象征性地问了一下知识图谱在公司的应用。其实这种面得糟糕的情况，可以直接问”我觉得这次面试表现得不好，请问一下可以给哪些建议，我如果想胜任这个岗位需要补足哪些能力。“一点约面，五点半收到感谢信。