腾讯LLM算法二面-暑期实习

✅ 春招备战指南 ✅ 💡 学习建议：  先尝试独立解题 对照解析查漏补缺   🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 🌸 目前本专栏已经上线200+套真题改编解析，后续会持续更新的  春秋招笔试机考招合集 -> 互联网必备刷题宝典🔗 美团-2026.03.28-算法岗 01. 小基的折损压缩清单 问题描述 小基 手里有一份长度为  的资源消耗清单，第  项的当前数值为 。 为了把月底报表压到更低，他手里有两类处理机会：  压缩处理：选中一项后，把它改成 。 抵扣处理：选中一项后，把它改成 。这个结果...

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 如何进行混合加训2. 混合加训和 continue sft 你觉得哪个效果好，为什么？3. Sft loss的起点数值和收敛情况。4. 讲解一下 rlvr 使用的策略。5. 训练 1t 模型遇到哪些困难，跟小尺寸模型有什么不同6. Benchmark 测评情况，如何根据 benchmark 进行模型效果优化。手撕：top-p sampling、grpo

1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...

到底谁在拿到offer 啊3月初-现在投递进度jd 二面挂美团 一面挂腾讯 二面挂蚂蚁 不知道呢其他的面试机会都没得