9.26 oa9.29 一面10.16 二面10.24 三面10.27 hrbp两小时后意向

一、手撕和八股1. 手撕岛屿数量，秒了2. Transformer 中 Attention 的本质是什么？你能从数学角度简要解释一下吗？3. 在 Agent 多轮对话任务中，你觉得 Attention 的局限性体现在哪些方面？4. 简要介绍一下 SFT的核心流程，以及数据集的构建策略，SFT之后常见的 Post-Training 还有哪些？它们之间的目的有何区别？5.  什么是 RAG，它是怎么提升生成质量的？与传统检索 + 模型生成的流程有何不同？你是如何评估一个RAG系统是否work的？6. PPO 和 DPO 在大模型对齐中的主要区别是什么？DPO 训练通常有哪些注意事项？用过GRPO么？二、简历1. 你在提到过 Modular Agent，你能讲讲它是如何实现多步规划的吗？2. 你提到了多个工具调用链路，调度策略是如何设计的？是否有异常 fallback 策略？3. 你构建的 Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？4. 你还微调过Qwen，选择的训练阶段和Loss函数是如何决定的？5. Prompt 自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？三、业务场景相关相关假如一个 Agent 推理链路包含 3 个工具 + 高频请求，系统整体延迟较高，你会如何优化？

高铁来回，顺带参观亦庄总部面试前还专门问了一下到底有没有技术面，结果还剩二面的两位面试官；技术面试官：深挖实习项目，毕设研究方向，主要是与深度学习和大模型应用相关的一直在追问；讲解了部门目前利用大模型应用提效的一些工作，针对一些现状和问题看看我的看法和解决思路；实习工作中开发和测试饿占比，业务测试中涉及功能性能稳定性的测试有无接触？关于现行大模型发展的前沿资讯有哪些了解？hrbp：再次确认，为什么干测开（难绷）；家里情况和对base地的看法；实习，学习与ai相关的课程，项目经历，工作，分别干了什么？有什么兴趣爱好？有百度转正的情况下为什么还考虑京东？闲聊：hr+技术面试官都说其实上次二面就已经是终面了，该问的都问了，但是按照规矩必须有个线下的环节，一方面是面对面聊更直接，一方面让我感受一下JD的氛围；7天之内出结果；（网上都说三面是hr面，这技术面试官针对百度的工作聊了20多分钟反倒是hr看我们聊的差不多了才又问了几个问题）；面试第二天，评估中；感想：JD真的大，楼里到处都是战斗战斗的标语，到处都是人，接口人小姐姐的工作非常细致，看我没地方去还给我约了个休息仓，从她的口中得出她对这种工作非常满意（钱多，一起努力的感觉），另外，食堂很不错；唉，截止此时，秋招大抵是没面了，一共4个流程在走，互联网两个测开，制造业两个开发（手机厂+智驾中厂），秋招很累，总体情况还在接受范围内，看看春招还能不能捡漏了，希望手机厂能泡出来；其实我本身对测开和开发没啥感觉，主要是因为北京，来这地方工作就是为了逃离这里，太压抑；共勉，祝见帖之人收获理想offer；

总结：20分钟面试，有点kpi面综合提问1.如何学习新的框架2.哪些环节可以结合大模型八股部分1.Spring的AOP和IoC2.动态代理的方式反问环节1.业务范围ToB和ToC。ToB主要是交易所，技术栈是Java，ToC有一些商业产品，各种语言都有。