长城汽车-工艺开发工程师

1.自我介绍2. 文章分类大概有多少文章？数据规模怎么影响方案？答案：如果文章量只有几千篇，我一般不会一上来就训练很复杂的模型，而是先用预训练模型微调，或者用 embedding 加传统分类器做一个强 baseline。因为数据量太小的时候，复杂模型很容易过拟合，线上效果不稳定。如果有几十万到几百万篇文章，就可以考虑训练一个更稳定的分类模型，包括 BERT 微调、领域继续预训练、层级分类模型，甚至做多任务学习。数据量越大，越要关注标签噪声，因为文章分类里的标注经常不是绝对干净的，尤其是多维度分类，一个文档可能同时属于多个业务类别。实际项目里我会先看三个东西：类别数量、每个类别样本分布、单篇文档...

大三旷课实习的难度直接翻倍😭😭

1.基础认知类：请用通俗的话说明，什么是Agent？它与传统AI工具的本质差异是什么？回答模板：可以理解为，Agent是一种具备自主执行能力的智能体，能够完成“理解目标—制定方案—执行任务”的完整流程，不依赖人工逐步指令。例如传统翻译工具，需要用户复制文本、选择语言、点击翻译，每一步都需要人工参与。而Agent只需接收类似“把这份英文合同翻译成中文，检查专业术语并生成PDF发送到邮箱”的指令，就能自动识别文件、调用翻译服务、校验内容并完成发送，全流程无需人工干预。主要区别体现在三点：第一是自主性，传统AI依赖指令驱动，Agent可以主动拆解目标并规划步骤；第二是闭环能力，传统AI输出结果即结束...