京东 vs 小米测开日常实习 纠结😣

被横向挂了，希望发出来对大家有帮助！1.实习拷打2.sft时的消融实验是如何做的3.有过强化学习经历吗4.简单讲讲dpo算法5.如何构建dpo的偏好数据集6.在dpo训练时有什么值得讲讲的经验吗，对比过ppo和grpo的效果吗7.有看过网上开源的数据集吗，你自己合成的数据比开源的好在哪里，为什么不用开源的8.算法题：给你一组区间，如[[1,6],[2,10],[11,13]，请你合并重复的区间并返回，比如这个case，返回[[1,10],[11,13]]

业务：搜索架构，Agent相关1 自我介绍2 实习拷打，针对之前做的推荐系统的优化考察，实习经历和做的事3 上家业务、职责4 Go基础 + 底层：GC算法，什么时候触发GC，线程和协程关系（GMP），Context，Channel5 Java：Lock、synchronized、reentrantlock比较手撕：LeetCode25建议：多看底层

非常有挑战性且开放的一次面试，无八股无手撕1. 假如让你从零构建一个 vla 模型 你对他的架构的设计是怎么样的？为什么2. 假如让你写一篇 vla+rl 的 综述，你会怎么写3. 你怎么看 vla 大模型 和 世界模型两条 具身智能的技术路线4. 你对vla模型的改进有哪些？5. 你认为从长远来看 vla 可以有哪些工作可以做来克服具身智能的挑战。

继续来分享下之前的面经~欢迎友好讨论，信息共享1. Transformer中Attention的本质是什么？你能从数学角度简要解释一下吗？2. 在Agent多轮对话任务中，你觉得Attention的局限性体现在哪些方面？3. 简要介绍一下SFT的核心流程，以及数据集的构建策略，SFT之后常见的Post-Training还有哪些？它们之间的目的有何区别？4. 什么是RAG，它是怎么提升生成质量的？与传统检索＋模型生成的流程有何不同？如何评估一个RAG系统是否work的？5. PPO和DPO在大模型对齐中的主要区别是什么？DPO训练通常有哪些注意事项？用过GRPO么？6. 项目里的Modular Agent，你能讲讲它是如何实现多步规划的吗？7. 项目提到了多个工具调用链路，调度策略是如何设计的？是否有异常fallback策略？8. Agent评估体系包括哪些维度？如何衡量planning能力 vs hallucination rate？9. 项目里微调Qwen，选择的训练阶段和Loss函数是如何决定的？10. Prompt自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？11. 场景题：假如一个Agent 推理链路包含3个工具+高频请求，系统整体延迟较高，你会如何优化？12. 代码：岛屿数量