Agent / LLM 方向面经整理（思路引导 + 推荐回答）  每章开头有一小段本章思路引导（这类题整体上在考什么、怎么组织话）。每道题下先有一行思路（答题时先想什么），再是推荐回答（可参考的表述骨架）。请把里面的名词、数字换成你项目里的真实情况，别整段背。  一、写在前面 如果投的岗位对后端技术栈有一两条要求，你没有相关经历但业务还是放了简历进来，最好针对 JD 里那两条单独准备一下。其实就算 JD 没写死，HTTP、流式、异步这类也算互联网底座，有时间还是摸一遍皮毛，面试里至少能接住话头、显得你是主动补过的人。 没正经后端经历的（比如我），体感是面试官一般不会往死里抠实现细节，更在意知识...

发一下问题给大家参考，攒攒人品！1- 问项目2-为什么选择grpo不用sft，技术选型，什么时候用sft，什么时候用蒸馏，什么时候用grpo3- grpo训练中观察什么指标4-八股：5- grpo 的 loss 讲讲6- Advangates 怎么算的，在整个训练中起什么作用，为什么需要Advatanges，直接用奖励去算不行吗？7-重要性采样，为什么需要。如果一次新策略和旧日策略差别很大，那重要性采样还有用吗8-grpo的K|散度和ppo的kl散度是一模一样的吗9- ppo grpo Fon-policytEoff-policy10- ppo中advantages是怎么得到的？11-信用分配，grpo中，比如一个采样结果，是序列级别的，如果这个序列的最终奖励高，那么是如何分配到每个token的12-Agent 做多轮工具调用 和单轮，可能有什么挑战？13- code: x 的平方根

Q1：prefix Decoder 和 causal Decoder 和 EncoderDecoder 区别是什么？答案：prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别在于 attention mask不同：Encoder-Decoder：在输入上采用双向注意力，对问题的编码理解更充分。适用任务：在偏理解的 NLP 任务上效果好。缺点：在长文本生成任务上效果差，训练效率低。causal Decoder：自回归语言模型，预训练和下游应用是完全一致的，严格遵守只有后面的token才能看到前面的token的规则。适用任务：文本生成任务效果好。...

感觉自己好菜、面试很难，还是要多多练习1.拷打项目2.介绍一下grpo训练流程 ppo loss公式 新的网络概率比老的概率要大很多且此时样本优势是负的 会被clip掉需要学习吗3.benchmark有模型在上面刷榜吗 有没有考虑这种关联推理能力难度太大 现在的研究暂时不需要关注这个能力4.平时怎么用vibe coding cursor怎么设计的 怎么记住你之前编码踩过的坑

感觉面完人都通透了，还是太菜了，下去沉淀一下1.讲一下实习经历中完全由自己做的工作2.讲一下怎么定位问题3.训练数据来源是什么4.训练数据构造的具体格式是什么5.解决问题过程中最难的点是什么，展开讲一下6.讨论解决方案的合理性7.算法题：数组中的第 K 个最大元素

Q1：⼀句话说明什么是 AI Agent？答案：AI Agent 是以⼤模型为认知核⼼，结合规划、记忆与⼯具调⽤，能在多步交互中根据环境反馈持续决策并完成任务的系统；其本质是 闭环的感知—思考—⾏动 循环，⽽不仅是单次⽂本⽣成。Q2：为什么说 Agent = LLM + Planning + Memory + Tools？缺⼀块会怎样？答案：缺 Planning：容易变成「只会接话」的聊天，⻓任务易跑偏或⼀步登天完不成。缺 Memory：⻓对话会丢线索，多会话⽆法延续⽤户偏好与任务状态。缺 Tools：只能「空谈」，⽆法查实时信息、执⾏代码、改系统状态。LLM 仍是中枢，但单靠 LLM 没有外...

攒人品中，祝大家都能拿到满意的Offer！1. 项目论文细节2. fp16下7b模型推理和全量训练模型显存的占用量计算 Adamw会存哪些东西3. benchmark有没有对新出的vl模型进行跟进 持续对比  数据集测评领域划分的依据4. qwen模型名称中的A的意思 讲讲moe架构5. 实习项目提问6. go语言的垃圾回收机制7. 手撕余弦相似度+ rl里的reward model

发点面经攒攒人品～算法题：对话历史构造输入一个 List，包含 session_id、turn_id、query、answer 四列输入不保证按 turn_id 有序输出要求：在原始数据基础上增加 history 列，表示当前轮次之前的历史对话内容1.问实习项目2.项目解决的是什么问题3.训练数据来源4.DPO 训练数据格式5.训练时有没有考虑模型泛化能力6.如何解决模型死循环问题7.解释为什么会有模型死循环问题8.压缩向量的具体形式9.更倾向于研究型工作还是面向业务的工作

发一下问题给大家参考，攒攒人品！1.选一段参与度较高的实习经历展开讲2.实习要解决的问题背景是什么3.讲一下怎么定位问题4.DPO 训练数据从哪里来5.DPO 训练数据具体构造形式是什么6.用了什么卡7.用了多少卡训练8.大概占多少显存9.介绍几个评测集是怎么使用的10.开放性问题：给你一个 RAG 系统、一个大语言模型，以及十万条新闻数据，怎么设计给用户推荐当地新闻11.整个链路怎么搭建12.RAG 系统怎么设计13.讲一下各种训练方法的特点，以及各自适用场景14.如果要用训练优化一个问题，会怎么进行方案选型15.算法题：分析时间复杂度更优解法

发一下问题给大家参考，攒攒人品！1.讲一下实习工作2.讲一下问题场景3.讲一下 LoRA 原理4.上线前如何评测5.用了哪些评测集6.讲一下每个评测集的具体内容7.讲一下实习工作8.说一下研究动机9.Idea 具体是怎么做的10.下游任务主要有哪些11.性能保持率怎么定义12.性能保持率具体怎么计算13.算法题：无重复字符的最长子串

给我面没招了，发点面经攒攒人品～1.讲一下实习工作主要解决的是什么问题2.训练数据怎么来的3.最终几个评测集怎么用4.训练用的什么卡5.用了多少张卡6.训练数据集规模7.训练了多少个 Epoch8.训练了多长时间9.讲一下实习期间做的工作10.为什么在实习结束后离职11.为什么在做完一个项目后离职12.算法题和开放题：计算 KV Cache 需要的显存：计算 KV Cache 显存需要哪些前置数据KV Cache 显存怎么计算3B Dense 模型和 32B-a3B MoE 模型，哪个推理延迟更低、推理速度更快：MoE 模型第一次推理激活专家 1、3、5，第二次激活专家 2、4、6，专家切换的成本主要是什么：大模型服务 API 定价问题：不同服务方案下，1K Token、32K 上下文、128K 上下文的输入输出定价如何设计算法题：会议室预定问题判断某个时刻点是否可以预定查询最近可以预定的时间

继续来分享下最近的面经~1.详细介绍实习工作2.重点讲清楚自己解决的是什么问题3.讲清楚背景、自己负责的问题、以及一步步解决的过程4.讲一下通过这段工作总结了哪些经验5.介绍最终各个指标6.SFT 的 LoRA 和 DPO 的 LoRA 有什么区别7.详细展开实习工作8.设计了哪些实验9.最终选择了哪个方案，为什么10.最终交付是怎么交付的11.聊了一下 RAG无手撕

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.讲一下 Transformer 架构原理以及最新进展2.介绍 Transformer 后续发展的两个流派：Encoder 和 Decoder3.为什么现在的大模型都是 Decoder-only4.讲一下实习工作5.怎么量化可视化 Prompt 对决策能力的干扰权重6.如何判断是可视化 Prompt 内容影响决策，还是 Prompt 太长导致注意力涣散影响决策7.怎么设计实验验证这个问题8.讲一下正负样例是怎么构造的9.训练集是怎么构造的10.训练过程中有没有遇到训练后效果变差的问题11.遇到问题后怎么解决12.如何理解压缩专家向量13.讲一下怎么做分阶段训练14.为什么要分阶段训练15.开放性问题：如果训练一个 AI Coding Agent，是端到端训练还是分阶段训练16.讲一下 GRPO、DPO、PPO 三种算法，以及各自适用场景17.开放性问题：如果要训练一个数学推理的小多模态模型，同时有一个纯文本推理能力强的大模型，你会怎么做蒸馏18.如果没有图片，只有纯文本，怎么设计训练方案19.让你设计一个AI Coding Agent 你会 怎么设计20.后续怎么去评测这个 Agent

继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目背景2.要解决的问题3.要解决问题的难点4.技术方案选型5.最终如何确定技术方案6.Qwen3-VL embedding 是怎么做的7.是怎么提取图片的8.用的什么提取器9.最终怎么嵌入到文本里10.怎么定义 DPO 训练集是高质量的11.DPO 训练数据量是怎么确定的12.数据量确定是拍脑袋，还是有原则13.为什么不用 SFT14.SFT 数据质量要求高体现在哪些方面15.如果现在用 SFT 去解决这个问题，从理论上能不能解决16.为什么不用 GRPO 解决，而是选择 DPO17.说一下目前强化学习的问题和解决思路

📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...

实习+项目:1. 详细介绍项目背景  结合业务场景2. 生成的训练数据,具体是怎么生成的?3. 数据增强是怎么做的?4. 怎么确保更大更复杂模型的结果,是100%正确的?  有没有量化指标可以确认5. 怎么样确保,把工具调用的轨迹 ,融入到种子数据集里面, promot是怎么设计的6. 除了lora以外 ,还了解其它的一些微调方法吗?7. 为什么lora的微调效果比较好?8. 切分策略是什么?9. 语义切分策略和固定大小切块分割策略,效果对比. 有哪些不一样的方面?八股:1. transformer的原理2. attention的公式3. 为什么除以根号dk算法:字符串解码面试回答的并不好，算法题未a出来。还是要好好沉淀

第 58 题：动态提示（Dynamic Prompting）在 RAG 系统中的应用 题目 解释动态提示（Dynamic Prompting）在 RAG 系统中的应用。 一、什么是动态提示？ 动态提示 指 prompt 的部分内容在请求时按上下文生成，而非完全静态写死。在 RAG 中常见：根据当前查询检索到的文档、重排序结果、用户画像、会话历史等，实时拼成“检索到的段落”“当前问题”“历史摘要”等，再与固定模板组合成最终 prompt。 二、在 RAG 中的应用  检索结果注入：根据用户 query 检索到的 top-k 片段（或经重排序后的子集）动态填入 prompt 的“上下文”区；que...