【面经】5月20日，蚂蚁智能体与大模型应用 一面

自我介绍RAG 的流程RAG 的优势怎么识别大模型的幻觉？减少大模型幻觉的措施有哪些？用了 RAG 以后，大模型就一定不出幻觉了吗？怎么排查？怎么确保 RAG 检索到的文档块一定是想要的？MCP 的概念怎么写好提示词？未来的升学规划？反问

面试官一上来没问传统的八股，直接问一个场景题怎么做一个海底捞智能点餐Agent的后训练。我说那当然是先SFT再RL。但这个不能只简单的sft，根本就没有训练数据，你这个场景还得是多轮的，用户又不是报菜名贯口选手，张嘴就来一串"番茄加牛油 + 麻一度+七寸盘脆毛肚"。没有对话数据，从哪开始炼？先搞数据吧。现在海底捞门店全是 iPad 和小程序点单，数据形态是用户行为轨迹（trajectory），不是对话：- 选锅底（番茄 + 牛油）- 加菜、撤菜- 翻页停留（隐式反馈）- 临时改备注要把这套 UI 操作流翻译成自然语言多轮对话，再喂模型学。目标语料长这样 👇▎ Agent：先看锅底？▎ 用户：有人吃辣有人不吃。▎ Agent：番茄牛油鸳鸯，行么？▎ 用户：可以，麻度调到 1。▎ Agent：开始点涮菜吧。▎ 用户：来份捞派脆脆毛肚……把过去的点单流水批量合成几十万条这种对话，SFT 阶段仅计算 Agent 那一侧的 loss（User轮次全 mask 掉），不然模型会学着模仿用户瞎点菜。多轮在线 RL 比 SFT 难十倍——没人能现场陪你跑几万局。所以得先训一个 User 模拟器：- 输入种子 profile：黑海 / 金海 / 银海等级、历史偏好、过敏忌口、是否「薅羊毛型选手」……- 第一轮 Agent 出招后，模拟器接力生成第二轮回应，往返多轮- profile 里塞一个 「结束点餐」special token，控制对话什么时候自然停下有了这个模拟器，才能稳定 rollout 出多轮 trajectory 喂 RL。面试官追问多轮RL的reward怎么设计？我的思路是全部做成 verifiable reward，避免 reward hacking：符合历史人均消费客单价+100分，点餐分量合理+80分，荤素分布合理或符合历史分布+60分，命中特殊需求轮次奖励+120分。用pav信用算法分配考虑turn级的分配，，引导模型循序渐进引导式点单——而不是一上来甩一整本菜单让用户挑。面试官说又追问，这么做的大模型应用真比直接点餐体验好吗？我愣住了，你们招这岗位，不就是要做这个事吗。。。为啥还要质疑存在的合理性？我只能硬着头皮答😅面试官说:谢谢你的时间。后续是挂了

这几天陆陆续续的面试挺多挺累的一直没来得及整理，两天四面太疲惫了。现在终于有空回头把面经整理一下了快手前端实习一面还有两分钟左右开始的时候面试官去接水了，让我等一下，回来还没到点说让我缓一下准备开始，然后我就深呼吸，面试官就跟我说不用紧张什么的，说现在每次面试都是一次宝贵经历巴拉巴拉...，感觉还没开始面就被打上容易紧张的标签了不是你让我缓一下的吗1.自我介绍2.ES6新特性3.promise.all 和 promise.race的区别4.promise.all如果里面有一个失败的话是什么结果5.箭头函数跟普通函数的区别然后问我还紧张吗，我真没有表现出来这么紧张啊，虽然心里是有一点的6.讲讲闭...

二面之后2天了，这什么情况，今天第三天。还有希望吗