字节ai agent评测实习生-数据平台一二面凉经
一面时间：3.23
- 自我介绍
- 展开讲一下百度的实习（STAR法则）
- 讲解一下图片的评测集是如何设计的
- 评测执行中，有哪些自动化提效的部分
- agent skill做ui自动化实现细节？
- 测试case的覆盖度如何，通过率大概多少
- badcase主要集中在哪些部分？
- 针对badcase,解决思路是什么？
- 你编写的功能脚本主要解决了什么问题？
- 代码手撕：
如果给你一个包含1000条数据的JSON文件，请你用Python读取它，并统计其中某个字段（如label）的分布，你会怎么做？
- 反问环节。
二面时间：3.24
- 自我介绍
- 展开讲一下百度的实习（STAR法则）
- 你针对图片的评测标准如何构建？
- 定义评测标准之后，是靠人去做吗，有没有自动化工具的引入？
- 评测集总共有多少条？
- 针对图片的一些图像检测算法有使用和引入吗？
- 你觉得从评测集的覆盖度上看，有什么缺陷吗？
- 从用户线上反馈来看，你觉得对于你评测集优化有什么帮助吗？
- 评测集构建过程中，自己构建和用户反馈各自占的比例大概是多少？
- 你对市面上主流的agent产品有了解吗？
- 就结合上面这个业务，如果让你设计一个agent，你会如何设计？考虑哪些点。
- 如果让你定义agent评测指标，你会关注哪些点？
- agent性能维度，你了解哪些指标？
- skill和tool的区别是什么？
- 模型的上下文压缩有了解吗？
- 你在实习过程中，有没有由你自己主导，实现并上线的一个功能，非执行层面的？
- 实现过程中，用了哪些开源的skill或者工具，解决了什么问题？
- 反问环节。
