1. 项目和八股1.RAG如何做rerank的2.LoRA参数计算 比如给你一个7B的模型  在优化器这块如何分配3.了解强化学习的什么算法   强化学习最新的po算法4.grpo如果对于这个数据 训练出来的一组score都是0或者1  这时候应该怎么办5.agent的几大部分6.agentic rl7.gui agent   code agent8.了解软件工程相关的吗  AI for se2.无手撕3.反问业务，做的 金融领域 agent 方向，偏开发

1.介绍下你的DeepReseach的架构2.项目是怎么实现human in loop的3.讲一下异步同步和并发并行的区别4.搜索的ReAct过程是怎么样的5.Agent搜索有遇到什么问题，怎么解决6.如何提升搜索的速度7.讲一下VLLM的原理8.你知道Flash Attention原理吗9.讲一下你说的这个R1-V的Qwen2.5VL多模态几何题优化过程10.你的训练平台和显卡配置是多少11.讲-下Advantage Actor-Critic12.讲一下PPO的clip函数，clip是梯度裁剪吗13.讲一下重要性采样14.讲一下PPO和GRPO的区别15.如果要用强化学习实现DeepResearch的优化搜索工具调用可以怎么实现，从数据构造到损失函数到奖励设置16.你有了解最新的一些工作吗?比如miromind,Qwen3-Next，deepseek的mHC流形约束超连接.17.手撕二叉树的奇数节点个数

问题1：对比主流大模型（如GPT、BERT、T5）在网络结构、核心机制（编码器-解码器结构、层数配置）上的核心差异，并分析这些技术选择对模型在生成力、理解深度和效率等方面的影响。问题2：大模型训练和推理中常用的位置编码方案有哪些？请分别说明每种编码方式的优势、局限性及适用模型。问题3：拆解大模型自能体（Agent）的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。问题4：描述大模型从预训练、微调（指令微调）到推理部署的完整流程，说明每个阶段的核心目标及关键技术。问题5：在项目中的技术改进动机是什么？遇到了哪些痛点？改进后带来了哪些具体收益？如何量化这些收益？问题6：什么是大模型幻觉现象？分析其产生原因及业内有效缓解方法。问题7：大模型生成文本时为何会出现重复内容？列举主流解决方法并分析其他可能原因。问题8：分析当前大模型行业在技术应用、落地中的待解决问题，并提出创新解决思路。问题9：若设计面向办公协同或智能客服的场景化大模型，应从哪些方面入手？说明设计决策的原因。问题10：分析百度文心一言的技术性能、功能体验和应用场景，指出其优势及可改进之处。

1自我介绍 2简历深挖(非常深)3为什么想来Coze4你之前用过Coze吗?5详细介绍一下你用Coze做项目的过程6详细介绍一下你搭建Agent的过程7你最常用的AI产品是什么?(我回答的是Cursor和豆包)8说一下豆包在交互上的优点和缺点9说一下你用过的其他AI产品在交互上的优点和缺点10反问