攒人品中，祝大家都能拿到满意的Offer！1.深度参与项目，产出2.OCR为什么做文件识别；部署的哪个3.传统的读取pdf docx api sdk有用过吗4.文本内容为啥还要用ocr5.pdf图片内容；图片，图表的理解，怎么做；饼状图，折线图怎么提取语义信息6.ocr背后的原理，给一个饼图，然后怎么输出内容7.是否真的了解怎么识别占比类比这样的语义识别8.有看过ocr调用，语义保留这样的指标的评估9.怎么做评估；完全识别的指标又是怎么评估；九十分一百分怎么打分10.图表识别怎么评估打分，怎么评判，有哪些依据11.为啥选768维度12.讲下embedding模型，怎么做embedding13.embedding模型底层；什么是token；为啥100wtoken最大token数14.大语言模型参数了解吗；在显存消耗的哪个层面消耗的15.transfomer词表是怎么构建的吗16.ES怎么构建的；这里面的关键词怎么构建的；BM25基于什么原理17.一部分milvus语义召回，一部分ES关键词召回；怎么返回用户的18.精排维度是多少，原理是什么19.rerank精排基于什么；为啥精排效果更好20.针对上述的你提的问题，说出自己解法21.最核心的一个指标的什么；最核心的指标；归纳出最核心的一个综合指标22.Function Calling、MCP、Skill分别解释概念；用到什么场景；分别解决了什么问题

1. 你做过的 Agent 项目里，Agent 和普通问答系统最大的区别是什么？普通问答系统更多是输入一个问题，模型生成一个回答，核心在回答质量。Agent 更强调任务闭环，不只是回答，还要规划步骤、调用工具、拿到结果、根据结果继续下一步，最后把任务完成。也就是说，问答系统重点是“说”，Agent 重点是“做”。如果项目里接了数据库查询、知识库检索、接口调用、审批流或者脚本执行，那基本就已经不是单纯的聊天系统了。2. 你怎么理解 Agent 的核心组成？一个完整的 Agent 一般包括模型、Prompt、工具、记忆、规划、执行控制这几部分。模型负责理解和推理，Prompt 负责约束行为，工具负...

1.自我介绍2.性能怎么样速度和召回率方面3.双向量检索解决什么问题4.向量索引 欧式距离，余弦，内积的区别5.内积和欧式距离更关注什么6.重排序模型，底层，解决什么问题；就是只用rerank模型进行排序可以吗7.有哪些智能体，ppt智能体8.内容结构的生成，样式是自己实现的吗9.模板是提示词筛选的吗，还是说其他条件筛选的10.rag时候长文档切分策略，怎么解决语义断裂11.有没有用过附属索引，检索的时候，召回的时候不是召回子块，而是召回的子块的父块；有用过吗12.MCP理解，对于传统的优势；比传统的function call优势答得不好13.怎么降低幻觉14.skill概念15.什么是随机采样，在推理加速这块16.rag系统评估指标17.ai coding面试官：12年前某个晚上参加阿里的校招，一个轮回了；ai coding有很多变化你觉得ai coding有哪些需要注意反问ai渗透率，路径规划有一些方向吗；LBS相关部门

1. 你做过大模型数据处理的话，预训练数据清洗一般怎么做，去重、去噪、质量过滤分别解决什么问题？预训练数据清洗本质上是在控制“数据量”和“数据质量”之间的平衡。去重主要解决模型反复记忆同一批内容，避免浪费训练 token，也减少 benchmark 污染。去噪主要是过滤乱码、模板页、广告页、低信息密度文本、机器生成垃圾内容，不然模型会学到很差的语言模式。质量过滤更偏向保留高价值内容，比如结构完整、语义通顺、知识密度高、代码块规范或者问答对明确的数据。实际工程里一般不会只靠一个规则，而是多阶段处理：先做规则清洗，再做语言识别、长度过滤、内容打分，最后再结合 dedup 和采样策略。因为预训练效果...