攒人品中，祝大家都能拿到满意的Offer！1.详细介绍下你的Agent项目2.如果说agent系统出错，你们有解决措施吗，是怎么优化的3.有哪些指标衡量你项目的好坏4.你的上下文管理系统是怎么构建的5.PPO的损失函数，有哪两种变体6..on-policy和off-policy的区别，PPO是哪种Leetcode.22括号生成

1. BERT 模型的结构答：BERT 本质上是一个 Encoder-only 的 Transformer。输入由 Token Embedding、Segment Embedding、Position Embedding 三部分相加得到，然后经过多层 Transformer Encoder。以 BERT-Base 为例，模型参数通常是：层数 (L=12)，隐藏维度 (H=768)，注意力头数 (A=12)，前馈层维度 (4H=3072)。BERT-Large 则是 (L=24, H=1024, A=16)。每层 Encoder 的结构是：Multi-Head Self-Attention -&...

有牛友知道这个岗位吗，推荐去嘛听说21年那会门槛很低？是真的吗？211本海硕去会不会吃亏😭，真心求助，不是特别了解特斯拉PS: lz上海郊区土著，对临港工作倒是无所谓，主要关心岗位成长性

1、项目里负责的边界是什么？哪些内容是亲手实现或验证的？我负责的边界一般分成四块：Agent 主链路、RAG 检索链路、工具调用层和效果评测。主链路包括 query 理解、路由、上下文构造、结果生成；RAG 这块包括文档清洗、切片、召回、重排和 prompt 拼接；工具调用层包括 function schema 定义、参数校验、执行封装和失败重试；评测这块包括 badcase 回流、离线测试集和线上日志分析。亲手实现的部分主要是在线链路和评测闭环，比如 query 改写、混合检索、rerank 接入、上下文压缩、工具调用编排、token 统计、失败样本分析。验证过的内容包括不同 chunk 策...