莉莉丝运维一面

拼多多日常实习 大模型算法一面分享发点面经攒攒人品～1.Pretrain 和 SFT 分别解决什么问题？2.Transformer 的基本结构怎么理解？3.多模态模型的大致结构是什么？最容易踩坑的点通常在哪里？4.SFT 数据如何更贴近业务：如何避免过度模板化？如何做基础的 train / test 去重来避免评测失真？5.对齐（ RLHF / DPO 等）整体思路是什么：为什么需要偏好对／奖励信号？6.玩过 Openclaw 吗？了解其的记忆机制吗？7.如果检索返回了很多相关的内容，如何选择最相关的？8.了解 embeding 吗？9.了解过 spec-drivening 的 code agent 吗？10.了解上下文压缩机制吗？11.为什么压缩前 70%？最开始的几轮对话明确需求不是很重要吗？拼多多内推链接：https://careers.pddglobalhr.com/campus/intern?t=vSypT8yAuQ 内推码：vSypT8yAuQ

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...

就拿了这两个offer 在纠结去不去灵犀互娱 感觉去游戏公司的话秋招时候就只能找游戏公司了吧 博世的那个offer说的是打造名为"AI mate"的AI虚拟员工，通过自动化处理公司内部的重复性数据工作（如报表整理、数据录入，会议纪要等）  也不太懂 应该选哪个呢

3月26日面的讲一下你那个微途旅行，你这个微途旅行是什么背景，自己琢磨的还是网上学习的你当时这个题目是自己选是吧？就是为什么为什么你们当时想做这个方向的尝试？你怎么判断你自己做的这个项目有没有在真实场景落地的价值，你是怎么做这种思考的？就是这种场景就是假设你做出来之后，发布到市面上，会有人用这种功能吗？这个就为什么别人不用用马蜂窝，为什么别人不用马蜂窝，用你的产品为什么要用lua脚本，解决什么问题？redis集群环境下，你怎么保证你在lua脚本上操作的key在同一个实例上来保证原子性的这个令牌桶流量控制这块。你自己实现的吗？还是找了一个现成的实现组件去用的？你这个秒杀业务主要是用什么来保障它它...