面经列表
共 2167 篇 · 第 7/109 页BIGO 前端 9.19 笔试 三道算法题复盘
BIGO 前端开发（语音项目）9.19 笔试复盘：单选难度一般，多选里有没接触过的 WebGL 选项；算法题考了重复子串判定（可用 KMP）、区间内能被 3 或 5 整除的数之和，以及旋转打印数字矩阵。
BIGO Java后端一面面经
BIGO Java后端一面面经，围绕外汇汇款 Agent、槽位提取与风控、Redis 缓存和分布式一致性、RAG、HTTPS 及三数之和展开。
BIGO Java 后端一面：幂等、线程池与百亿数据 Top K
约一小时的一面，围绕项目方案、幂等和并发持续追问，覆盖数据库、Kafka、网络与海量数据处理。
BIGO 测试开发三面：AI 做 UI 自动化的难点与场景拷打
BIGO 秋招测试开发三面面经：先问三段实习的产出与离职原因，之后连环场景题拷打——AI 做 UI 自动化时元素识别不到的优化、自然语言生成 Playwright 脚本的难点、2000+ 脚本提速与秒杀库存不一致排查，并现场设计腾讯会议聊天框的测试用例。
BIGO 9.19 笔试 三编程题拿下一半
BIGO 9.19 笔试复盘：10 道单选、3 道多选加 3 道编程题，选择题以基础八股为主；编程题前两道顺利拿下，第三题长时间没有思路，输出 0 意外拿到 50% 分数。
哔哩哔哩 AI Agent 开发一面面经全解析
哔哩哔哩 AI Agent 开发一面记录，18 道题覆盖 Agent 核心模块与 Chatbot 的区别、意图识别的三种实现与少样本稳定性、RAG 全流程与召回问题定位、切片与 Embedding 选型、LangChain 与工具调用机制、记忆设计与循环保护，最后手撕合并重叠区间。
哔哩哔哩AI应用开发实习一面面经复盘
哔哩哔哩 AI 应用开发（Agent 方向）实习一面复盘，全程场景题：FFmpeg 抽帧与关键帧依赖、千万级视频异步分层与背压、Agent 模块解耦与数据契约、多模态时间戳对齐、沙箱隔离与 JVM 调优，最后一道字符串替换手撕。
B站 AI Native 基础架构研发工程师一面：项目深挖与 Redis bitmap 追问
哔哩哔哩 AI Native 基础架构研发工程师一面面经。面试从项目的产品定位、运维排障链路一路追问到 Milvus 与 ES 的分工，随后考察 Redis 数据结构与分片上传的 bitmap 方案、Java IoC 与 AOP、MySQL 索引与 ThreadLocal，手撕删除有序链表重复元素 II。
哔哩哔哩二面：服务治理与AI评测体系
哔哩哔哩9月22日二面，围绕服务注册发现与RPC调用链路、控制面流量规则下发与同机房选路、负载均衡策略展开，并深入Agent在规范治理中的角色、评测体系指标与RAG检索优化。
4 年 Java 后端面 B 站：Redis 与 MySQL 深挖，三面 OC
4 年经验 Java 后端面 B 站：一面 45 分钟顺着 Redis 持久化、Redis 集群、MySQL 日志体系连环追问；二面设计高可用直播弹幕系统并深挖 QPS；三面考线上 P1 故障排查，三轮技术面加 HR 面后 OC。
B站推荐算法一面：生成式召回与SID编码13问
B站推荐算法一面面经，13 个问题集中在生成式召回链路：SID 语义编码体系与曝光容量约束的权衡、编码碰撞率的统计与缓解、SFT 与 LoRA 微调方案、超长行为序列与冷启动、生成式召回的推理降延迟，以及双塔模型的固有缺陷与三种训练范式。
B站推荐算法一面面经：生成式召回13问详解
B站推荐算法一面原题整理，13 问覆盖 SID 语义编码与曝光容量约束、量化误差与业务约束的权衡、编码碰撞、SFT 与 LoRA 微调、长短序列与冷启动处理、生成式召回降延迟，以及双塔缺陷、三种训练范式和 InfoNCE 温度系数。
B站推荐算法二面面经：生成式召回落地与稀疏信号建模
B站推荐算法二面 10 题，从 RQ-Kmeans 聚类召回的改进与生成式召回的实验设计问起，延伸到多通路融合、多目标框架、中小 UP 主扶持，并深挖一键三连与弹幕数据的建模方式，最后落到同质化与信息茧房的量化指标和长期生态目标。
B站推荐算法二面：生成式召回与多通路融合 10 问
B站推荐算法二面 10 问，全部围绕线上落地：RQ-Kmeans 聚类召回的改进、生成式召回与传统召回的融合兜底与权重、多目标多场景下的召回框架迭代、中小 UP 主流量扶持的算法方案，以及一键三连、弹幕等信号的建模与多样性、长期生态指标的度量。
B 站推荐算法秋招面经：生成式召回与多任务模型
B 站推荐算法秋招面经，十道题集中在生成式召回与多任务建模：SID 范式的落地兑现、RQ-VAE 的流程与梯度传播、STE 之外的梯度截断解法、MMOE 与 PLE 的专家坍缩、Focal Loss 在多任务中的取舍，以及 DIN 注意力的复杂度。
B 站推荐算法秋招面经：生成式召回与多任务模型
B 站推荐算法秋招面经，十道题集中在生成式召回与多任务建模：SID 范式的落地兑现、RQ-VAE 的流程与梯度传播、STE 之外的梯度截断解法、MMOE 与 PLE 的专家坍缩、Focal Loss 在多任务中的取舍，以及 DIN 注意力的复杂度。
比特鹰秋招一面：React 原理 + 职业规划
比特鹰秋招前端一面面经：面试官自称 HR 面却问了技术，先聊实习、项目、为什么选前端与如何学习，再深入 React Fiber 架构、更新流程、React 19 新特性、Vue 与 React 的区别，最后问公司业务了解程度、能否接受单休、职业规划与薪资预期。
柏楚电子Java技术一面：从集合到消息队列的三十五连问
柏楚电子Java技术一面面经，35个问题覆盖极广：两个栈实现队列、第k大的时间复杂度、IOC与AOP、@Async在什么情况下不生效、事务隔离级别与传播行为、三字段联合索引只查a和c是否走索引、索引失效场景、Redis「单线程」怎么理解、高并发下先get再set记录最新操作时间是否正确、RabbitMQ的QOS三种可靠级别与延迟消息、JVM最大堆2G时进程内存会不会超过2G、线程池参数与核心线程数设置、ThreadLocal原理、分布式事务与Seata模式。
柏楚电子 Java 岗 HR 一面面经
柏楚电子 Java 岗 HR 一面记录，围绕秋招投递情况、对公司的了解、最近实习产出，以及到岗时间、实习地点和出差接受度展开，最后是薪资与业务方向的反问。
波克二面：JVM、OOM 排查与用 Agent 做监控分析
波克应用研发二面面经，围绕 JVM 与垃圾回收：CMS 如何判定可回收对象、OOM 排查路径、jstat 老年代占比的含义，并延伸到用 AI 分析 OOM、设计 OOM 排查 Agent 与抑制工具调用幻觉。