📳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。

估计后面2 3个月只有社招的面经了, 粉丝群的春招和暑期的小伙伴分享的差不多了1. 自我介绍2. Java 中 final、finally、finalize 的区别答案：final 是关键字，可以修饰类、方法和变量。修饰类表示不能被继承，修饰方法表示不能被重写，修饰变量表示引用或值不能再次赋值。需要注意的是，final 修饰对象引用时，只是引用不能变，对象内部状态仍然可能改变。finally 是异常处理结构的一部分，通常用于释放资源。无论 try 中是否发生异常，只要 JVM 没有直接退出，finally 通常都会执行。比如关闭连接、释放锁、清理临时文件。finalize 是 Object 类...

项目相关 1. Agent项目是否已上线？2. 是否使用LangChain等框架？3. 意图识别模块如何实现？4. 项目用到哪些工具？5. 如何提升工具调用准确率？6. 知识库如何搭建？7. RAG有哪些文本分块策略？8. 如何提升知识检索的回答准确率？9. 知识库如何解析表格、图片文件？10. 系统是否使用ReAct模式？11. 如何提升模型回答性能？12. 有哪些Prompt优化方法？大模型基础1. Token与字符的区别？2. 简述LangChain与LangGraph？3. 介绍Agent常见运行模式？4. 如何解决Lost in the middle问题？5. Prompt的基本组成结构？开发基础1. 线程池核心参数？2. 进程、线程、协程的区别？3. HashMap底层原理？算法1. 实现：除自身以外数组的乘积反问环节1. 部门C端核心业务功能？2. 业务中AI研发的落地方向？3. 对我面试表现的改进建议？

项目相关 1. Agent项目是否已上线？2. 是否使用LangChain等框架？3. 意图识别模块如何实现？4. 项目用到哪些工具？5. 如何提升工具调用准确率？6. 知识库如何搭建？7. RAG有哪些文本分块策略？8. 如何提升知识检索的回答准确率？9. 知识库如何解析表格、图片文件？10. 系统是否使用ReAct模式？11. 如何提升模型回答性能？12. 有哪些Prompt优化方法？大模型基础1. Token与字符的区别？2. 简述LangChain与LangGraph？3. 介绍Agent常见运行模式？4. 如何解决Lost in the middle问题？5. Prompt的基本组成结构？开发基础1. 线程池核心参数？2. 进程、线程、协程的区别？3. HashMap底层原理？算法1. 实现：除自身以外数组的乘积反问环节1. 部门C端核心业务功能？2. 业务中AI研发的落地方向？3. 对我面试表现的改进建议？

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

1️⃣一、项目相关1. Agent项目是否上线部署？2. 是否使用过LangChain等框架？3. 意图识别模块如何实现？4. 项目用到哪些工具？5. 如何提升工具调用正确率？6. 知识库如何构建？7. RAG项目的分块策略有哪些？8. 知识检索如何提升回答正确率？9. 如何解析知识库中的表格/图片文件？10. 系统是否用到ReAct模式？11. 如何提升模型回答性能？12. Prompt层面有哪些优化手段？2️⃣二、大模型基础1. Token与字符的区别2. LangChain与LangGraph的了解3. Agent常见模式（ReAct/Plan and Execute等）4. Lost in the middle问题的解决方案5. Prompt的常见结构3️⃣三、开发基础1. 线程池参数2. 进程/线程/协程的区别3. HashMap原理4️⃣四、算法题1. 除自身以外数组的乘积5️⃣五、反问环节1. 部门C端消费者业务介绍2. 业务中AI应用研发相关内容3. 面试表现优化建议📳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。

一、基本情况与项目背景1.请做一个简单自我介绍。2.你简历里的两段 AI 项目和字节实习经历，整体技术背景是什么？二、计算机基础3.顺序存储和链式存储有什么区别？在随机访问、遍历、插入删除上的效率分别如何？4.HTTPS 的加密原理是什么？对称加密和非对称加密有什么区别？为什么 HTTPS 要结合两者使用？5.高并发场景下，数据库性能可以从哪些方向优化？比如索引、分库分表、缓存分别适合解决什么问题？6.Redis 缓存穿透、缓存击穿分别是什么？一般怎么解决？三、RAG 与检索系统7.RAG 的完整流程是什么？从文档处理、分块、向量化、索引、检索、重排到生成答案，每一步分别做什么？8.混合检索一般包含哪些方式？向量检索和关键词检索分别适合什么场景？9.向量检索在哪些情况下表现不好？比如专业名词、日期、编号、精确字段为什么更适合关键词检索？10.如果 RAG 检索质量比较低，可能是什么原因？你会从 Query 改写、Embedding 模型、Top-k 召回、重排、关键词匹配等方面怎么优化？四、大模型生成参数与输出控制11.如果希望大模型输出更稳定、更确定，可以调整哪些参数？Temperature、Top-k、Top-p 分别有什么作用？12.除了调参数，提示词层面如何提高输出的准确性、确定性和可追溯性？五、LangChain / LangGraph 技术选型13.你的项目为什么选择 LangChain？14.LangChain 和 LangGraph 的区别是什么？什么场景下 LangGraph 更适合？六、Multi-Agent 架构设计15.你的多 Agent 系统是怎么设计的？主控 Agent、子 Agent、分析 Agent 分别负责什么？16.多 Agent 之间是如何协作的？任务编排、工具调用、状态管理和结果汇总是怎么做的？17.相比单 Agent，多 Agent 在上下文隔离、职责拆分、问题排查方面有什么优势？又会带来哪些复杂度？七、金融 Agent 的幻觉控制与冲突处理18.金融场景对准确性要求高，你做了哪些减少幻觉的设计？比如降低 Temperature、引用来源、无依据不输出等。19.如果实时新闻和知识库结论冲突，你会如何处理？如何根据用户意图判断该更信实时数据还是长期经验？20.系统里有行情数据、新闻数据、知识库数据等异构数据，你是如何分别处理的？如果要统一检索，会如何设计 metadata、过滤和重排策略？八、AI 交互系统与上下文管理21.你项目里的滑动窗口 / 类滑动窗口上下文管理是怎么做的？超过 token 限制时如何丢弃或保留历史？22.如果不想直接丢弃历史对话，如何通过摘要机制、长期记忆、短期记忆来优化上下文管理？23.子进程调用 AI 接口、主进程通过 JSON 通信这一套机制是怎么设计的？为什么不让主进程直接调用？24.如果子进程调用 AI 接口超时、崩溃或失败，主进程如何感知、重试、记录日志和停止重试？九、Agent 评估体系与后续优化25.你的 Agent 系统现在是怎么评估效果的？如果要做完整评估体系，会从人工评测、测试集、系统指标、RAG 指标、用户反馈哪些方面建设？26.如何评估工具调用成功率、接口超时率、运行成功率、检索召回率和回答质量？27.你的 Agent 后续有哪些优化方向？比如长短期记忆、用户画像、反馈闭环、动态调整子 Agent 权重等。28.为什么 Agent 的“自动自进化”比较难，仍然需要人工干预和质量评估？

1. 挑选个人复杂度最高、难点最突出的项目完整讲解，重点说明项目核心痛点、落地难点、技术瓶颈与最终落地解决方案。2. 结合项目场景，说明Agent任务目标拆解逻辑，以及PPO算法完整训练指标、效果评估标准。3. 阐述RLHF对齐偏好定义逻辑，大模型对话优劣好坏的标注标准与偏好数据集构建逻辑。4. 详细讲解奖励模型RM、Critic网络结构设计思路，组件有效性验证方式、调优优化策略，以及整体对话效果量化评估方案。5. 对比选型SFT、DPO、PPO、GRPO、RAG多条技术路线，说明为何选用强化学习做Agent对齐优化，完整输出各方案评估维度、适配场景与选型依据。6. DPO全流程效果评估方式，结合实际业务案例说明DPO固有短板，对比DPO与GRPO原理差异、优劣特点与落地适用场景。7. 从算法原理角度，讲解GRPO具备更强探索能力、稳定训练的核心原因。8. 阐述个人参与RAG相关项目初衷，梳理RAG系统整体架构与核心工作内容。9. 对比语义切分、固定长度切分、递归语义切分优劣，说明递归切分选型原因，以及不规则、非结构化文档专属预处理方案。10. 梳理向量数据库选型核心考量维度，结合线上高并发、低延迟生产环境，说明落地选型策略。11. 说明关键词检索+向量检索混合检索设计原因，介绍召回率、准确率等检索效果客观量化评价指标。12. 针对检索召回不足、匹配精度偏低、上下文关联性差等问题，逐条梳理全链路优化手段。13. 讲解用户意图模糊、指代不清、需求不明确类问题的意图识别与澄清处理方案。14. 讲解重排序模型选型、技术实现、解决的检索冗余错乱问题，所用开源/商用工具库，以及不同重排模型横向对比实验结论。📳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。

1️⃣一、项目相关1. Agent项目是否上线部署？2. 是否使用过LangChain等框架？3. 意图识别模块如何实现？4. 项目用到哪些工具？5. 如何提升工具调用正确率？6. 知识库如何构建？7. RAG项目的分块策略有哪些？8. 知识检索如何提升回答正确率？9. 如何解析知识库中的表格/图片文件？10. 系统是否用到ReAct模式？11. 如何提升模型回答性能？12. Prompt层面有哪些优化手段？2️⃣二、大模型基础1. Token与字符的区别2. LangChain与LangGraph的了解3. Agent常见模式（ReAct/Plan and Execute等）4. Lost in the middle问题的解决方案5. Prompt的常见结构3️⃣三、开发基础1. 线程池参数2. 进程/线程/协程的区别3. HashMap原理4️⃣四、算法题1. 除自身以外数组的乘积5️⃣五、反问环节1. 部门C端消费者业务介绍2. 业务中AI应用研发相关内容3. 面试表现优化建议📳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。

发一下问题给大家参考，攒攒人品！1.展开介绍项目2.LRU缓存的数据结构3.异步处理时的生产者、消费者模型/缓冲区设计方案/缓冲区的底层数据结构4.读远远大于写的多线程场景下，如何保证安全5.讲述整个过程：浏览器输入网址 -> 怎么找到服务器- > 服务器如何找到正在的业务服务6.RAG知识库在问答场景下的质量评估7.Transformer思想8.多头注意力的好处9.为什么说Transformer适配并行计算10.提示词工程：为什么给具体案例Few-Shot，比单纯文字指令，大模型听话的多、人设更稳、风格更统一？11.大模型【思考/推理/自省】三大范式——CoT/思维链 Prompt、12.Plan&Execute先规划再执行、RAG边检索边思考、原生Thinking底座模型的使用场景的差别？13.向量检索已经打过分数了，为什么还要做精排？14.LoRA微调与传统全量SFT15.有了SFT监督微调，为什么还要强化学习RLHF/RL16.讲讲论文成果17.AI编程-基于Qwen3.5模型编程

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 拷打实习2. 并发搜索场景下，主线程起了多个子线程后，怎么和它们通信以知道任务全都做完了？3. 为了提速引入了 Kafka，但 Kafka 本身是异步组件，会不会反而导致任务流转变得更慢？4. 流量变大后，每个任务拆解并发大量消息，Kafka 会不会变成系统的性能瓶颈？（答了限流桶策略、结合业务使用频次限制）5. 扫表和用消息中间件（如 Kafka 双 Topic）管理长时任务状态，各自的优缺点是啥？6. 详细介绍一下你项目里的多智能体协同策略，三层 Agent（Root、Main/Fallback、Sub-Agent）是怎么互相配合流转的？7. 如果主 Agent 决定越过第二层直接调底层的子 Agent，上下文信息是怎么跨层传过去的？（答了通过解析 JSON 传递意图，并共用主线程/连接）8. 补充检索是如何评估数据质量并触发的？你怎么保证二次检索能搜到之前没搜到的内容？9. 怎么避免大模型检索到网上被 AI 批量生成的虚假垃圾数据（防止 GU 投毒）？10. 短期对话记忆和长期记忆分别是怎么提取和存储的？11. 怎么判断当前用户的提问需不需要去 RAG 里检索长期记忆？12. 为什么底层选用了 pgvector 做向量数据库，而不是其他的？13. 为什么在向量检索的基础上还要加 BM25 精确检索？具体解决了什么 bad case？14. 重排序（Rerank）是怎么做的？有没有设置低分阈值做提前过滤操作？15. 传统 CNN 有什么痛点？ResNet 让你印象深刻的核心思想是什么？16. 介绍你最近读过的五篇论文17. 平时拿到一个项目任务，你用 AI 辅助编程的工作流是怎么拆解的？18. 你的AIcoding提示词策略是怎么操作的？人工一般在哪个环节介入审核？

1. 挑选个人复杂度最高、难点最突出的项目完整讲解，重点说明项目核心痛点、落地难点、技术瓶颈与最终落地解决方案。2. 结合项目场景，说明Agent任务目标拆解逻辑，以及PPO算法完整训练指标、效果评估标准。3. 阐述RLHF对齐偏好定义逻辑，大模型对话优劣好坏的标注标准与偏好数据集构建逻辑。4. 详细讲解奖励模型RM、Critic网络结构设计思路，组件有效性验证方式、调优优化策略，以及整体对话效果量化评估方案。5. 对比选型SFT、DPO、PPO、GRPO、RAG多条技术路线，说明为何选用强化学习做Agent对齐优化，完整输出各方案评估维度、适配场景与选型依据。6. DPO全流程效果评估方式，结合实际业务案例说明DPO固有短板，对比DPO与GRPO原理差异、优劣特点与落地适用场景。7. 从算法原理角度，讲解GRPO具备更强探索能力、稳定训练的核心原因。8. 阐述个人参与RAG相关项目初衷，梳理RAG系统整体架构与核心工作内容。9. 对比语义切分、固定长度切分、递归语义切分优劣，说明递归切分选型原因，以及不规则、非结构化文档专属预处理方案。10. 梳理向量数据库选型核心考量维度，结合线上高并发、低延迟生产环境，说明落地选型策略。11. 说明关键词检索+向量检索混合检索设计原因，介绍召回率、准确率等检索效果客观量化评价指标。12. 针对检索召回不足、匹配精度偏低、上下文关联性差等问题，逐条梳理全链路优化手段。13. 讲解用户意图模糊、指代不清、需求不明确类问题的意图识别与澄清处理方案。14. 讲解重排序模型选型、技术实现、解决的检索冗余错乱问题，所用开源/商用工具库，以及不同重排模型横向对比实验结论。📳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。

一次性发一下攒的春招面经全程25min，无后续，系统挂var、let、const的作用域区别？暂时性死区了解吗？== 和 === 的区别？隐式类型转换的规则？forEach和map的区别？它们能修改原数组的值吗？追问： 如果forEach修改引用数据类型，会有什么问题？浅拷贝和深拷贝的实现方式？structuredClone用过吗？判断一个对象是否是数组的方法？（Array.isArray vs instanceof）Vue中v-if和v-show的本质区别？子组件能否直接修改父组件传入的props？为什么？React和Vue的区别？哪个更适合复杂项目？双向绑定的具体实现原理？（Proxy vs Object.defineProperty）项目中做了哪些性能优化？这些优化手段是自己调研的吗？描述一个项目中的问题及解决过程？从发现问题到解决用了多久？无手撕，态度和蔼

发一下问题给大家参考，攒攒人品！1.实习拷打2.你现在往AI产品方向发展，你自己比较倾向的方向具体是哪些细分领域?3.之前项目这段时间是做模型相关的工作吗?4.你自己对于自己现在在AI产品经理这个方向上面，你认为你比较核心擅长的方向和你觉得还比较欠缺的方向分别是什么呀?5.你能帮我尝试着讲一讲b端项目和g端(政府)项目的差异是什么?然后你所理解的b端的产品经理应该是一个什么样的形态?6.你在之前有了解过1688是做什么业务吗?7.结合你现在对AI技术的了解，不管是什么形态，我们的目标是为1688商家解决选品问题，帮他更好地做选品决策，选出来适合他的品，让他能卖更多商品得到更多订单。基于这样的目标，你会去规划一个什么样的产品给我们的商家?8.基于你刚刚说到的收集用户反馈指导经营策略这个场景，我们再具体一点:你会涉及什么样的产品?怎么样收集反馈?收集过来反馈怎么处理?怎么样去指导他下一步的决策?具体是什么决策?请更细致、更具体地描述你的产品形态和技术方案。9.基于你刚聊的这些能力，你简单拆解一下，这里面涉及到哪些技术?涉及到的技术点，你觉得会有哪些难点?你可能的解决方案是什么?10.这个agent它的具体架构是什么样的?包含哪些子模块?它的工作流是怎么样的?你能具体描述出来吗?

发一下问题给大家参考，攒攒人品！首先是对视频生成的论文提问:1论文的创新点在哪里，主要解决的痛点是什么2论文提到的混合数据是怎么生成的，数据量大小如何3用三句话解释一下论文的核心贡献接下来是对多模态检索论文的提问:1详细介绍一下多agent架构，每个agen是什么功能，怎么进行协作2用三句话解释一下论文的核心贡献八股1解释一下绝对位置编码和相对位置编码2解释一下RoPE的具体实现3解释一下梯度消失和梯度爆炸4如何解决梯度消失和梯度爆炸5解释一下grpo和ppo的区别手撕中等题LeetCode33.搜索旋转排序数组(Hot100经典二分题)，完整题目如下:整数数组nums按升序排列，数组中的值互不相同。在传递给函数之前，nums在预先未知的某个下标k(0<=k<nums.length)上进行了旋转，使数组变为nums[k], nums[k+1],..., nums[n-1],nums[0], nums[1],..., nums[k-1] (下标从0开始计数)。给你旋转后的数组nums和一个整数target，如果nums中存在这个目标值target，则返回它的下标，否则返回-1。

非科班转码面试见闻录一、前言不扯什么转码学习路线，我自己也摸索着走过来，水平也一般。单纯记录这阵子几十场面试的真实经历和心得，能帮到同是非科班转码的人就行。二、几场印象最深的大厂面试前后面了二三十场，整体运气不算差，大部分面试官人都挺好。1.百度后端实习流程：一面→二面→OC面试前专门准备了嵌入式实习经历，结果面试官压根不关心。一面问Go基础、手写线程安全map、慢SQL优化、手撕算法，还问了K8s、Docker和项目QPS。那时候我刚转码没多久，基础很杂，很多科班常识都不懂，QPS这种概念都不知道。没想到还是过了一面。二面手撕算法做了四十多分钟，面试官看我服务端底子弱，没刻意深挖短板，很人性化，最后顺利通关。2.字节广告推荐架构止步一面。跟面试官聊得很投缘，深挖实习项目我都答上来了，对方也认可我的参与度。但我只刷了LeetCode热题，碰到冷门算法题直接卡壳，只能讲思路写不出完整代码。字节对手撕要求太高，直接挂了，基本也把我字节面评搞脏了，后续也没再投。3.腾讯TEG一面过，等复试时直接流程终止。面试很突然，第二天就面。面试官很随和，像聊天一样深挖实习，问计网八股、protobuf和HTTP2区别、HTTPS3、中间人劫持这些。手撕考LRU，我轻松写出来，还被问优化思路。自己嘴笨，面试官问还有没没考的八股，我老实说了，又被追加提问，纯属给自己挖坑。本来以为稳进复试，结果等了几天直接收到流程结束短信。腾讯横向对比太狠，之后我在腾讯面试一直被反复卡。4.阿里国际/Lazada反复被捞、多次面试。阿里笔试Prompt大题巨坑，写了一堆提示词一分没得。遇到过很敷衍的面试官，全程心不在焉、不尊重面试者，只揪着我Agent项目问，答完直接秒挂；也碰到很负责的面试官，不会的点会引导提示。后面阿里国际站捞我，一面全程聊AI认知、程序员发展，面试官点出我简历太堆技术、不写业务指标，意外进了二面，节后继续面。5.淘天一面直接挂。没主动投，被简历捞的。不想周末面试改到工作日，面试全程不聊实习项目，上来直接轰炸偏门八股，还问Agent、Harness、Transformer这些。一边实习一边面试，根本没时间复盘八股，一问三不知，挂得明明白白。很不喜欢这种不走流程、上来硬考八股的面试，感觉面试官不上心，体验极差。6.阿里云一面→二面→HR面 拿意向面试体验最好的一场。一面深挖实习项目、架构设计，算法只口述不用手写，还现场AI编码做网关服务，全程看解题思路。二面基本闲聊个人情况、到岗时间。HR面比较尖锐，反复问我非科班背景、性格和表达。面完聊意向、其他Offer进度，三天后发意向。三、真实面试感悟1.今年非科班转码行情明显变难比去年卷太多，现在后端实习不止考传统八股，Agent、RAG、大模型、Transformer、Harness全是必问项。只准备后端项目不够，必须额外备Agent大模型项目，技术栈要求直接翻倍。2.面试真的很看运气面试官风格太关键：愿意聊项目、挖业务的，我能发挥得很好；一上来硬考冷门八股的，基本必挂。能不能过，不全看自己实力，还要看同批竞争者水平，没必要过度内耗。3.求职是双向选择，别把姿态放太低现在能一眼看出KPI面、敷衍不尊重人的面试官，遇到直接摆烂敷衍就行。没必要为不上心的面试官焦虑内耗，面试本来就是互相筛选，没必要委屈自己。4.挂岗不全是自己菜行业标准越来越高，内卷严重，达不到面试官预期很正常，不用自我否定。四、非科班转码真实思考面试里次次被问非科班背景，不管技术面还是HR面。客观来说：企业天然偏爱科班，底子扎实、培养成本低。非科班想突围，必须有远超常人的亮点，不然很难竞争。现在转码要学的东西太多：后端全栈+大模型Agent+疯狂刷题，短短半年很难做出差异化优势。科班和非科班在思维方式、学习逻辑上本身就有差距，行情越卷，差距放得越大。真心建议后面想转码的同学，慎重评估风险，别盲目跟风。五、结尾找实习又累又熬人，暂时没Offer不用焦虑，不是你不行，只是时机没到。拿到Offer只是新的开始，不是终点。也祝愿所有转码赶路的人，前路安稳，一路长青。

1.项目相关：你的这个项目中的多模态融合，以及 cross - attention ，动态门控是如何实现的？2.你们的实验结果有和其他模型进行对比吗？3.你训练的这个模型参数多少？4. ReAct 模式是怎么样的？5.你们 RAG 的部分是如何解决 Query 混乱，检索精度低的问题的？6.你们检索召回精度是多少？7.你说爬取了罕见病相关的知识进行 RAG ,那么通用大模型的训练语料会不会已经爬取了他们进行训练，为什么你还要做 RAG ?8.八股相关： Transformer 中的 Decoder 介绍一下你的理解？9.你用的计算机编程语言中的锁可以介绍一下？10.你有了解过 Multi - Agent 架构吗？11.你对 B ＋树有了解嘛？12.多头注意力机制你的理解是什么，为什么不能换成单头的？13. Al coding ，开发一个符合具体要求的代码自动审核和修复的 Agent ，限时半小时。📳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.项目相关：你的这个项目中的多模态融合，以及 cross - attention ，动态门控是如何实现的？2.你们的实验结果有和其他模型进行对比吗？3.你训练的这个模型参数多少？4. ReAct 模式是怎么样的？5.你们 RAG 的部分是如何解决 Query 混乱，检索精度低的问题的？6.你们检索召回精度是多少？7.你说爬取了罕见病相关的知识进行 RAG ,那么通用大模型的训练语料会不会已经爬取了他们进行训练，为什么你还要做 RAG ?8.八股相关： Transformer 中的 Decoder 介绍一下你的理解？9.你用的计算机编程语言中的锁可以介绍一下？10.你有了解过 Multi - Agent 架构吗？11.你对 B ＋树有了解嘛？12.多头注意力机制你的理解是什么，为什么不能换成单头的？13. Al coding ，开发一个符合具体要求的代码自动审核和修复的 Agent ，限时半小时。📳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。