腾讯金融科技后台ai开发实习面经分享

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。

哔哩哔哩大模型面试岗，我悟了！！！大家好，我是Yuki。周末跟一个在B站面试大模型算法实习岗的学员聊了整整两个小时，他说这场面试让他“一边冒汗一边开窍”。我让他把面试题完整复述了一遍，今天就把这场高质量的技术对话分享给大家。说实话，这几道题问得是真有水平——不是那种背八股文能应付的，而是实打实考察你做项目的深度和思考力。面试复盘：一场关于Agent的技术拷问第一关：你现在做的Agent到底是什么？面试官开门见山，没有废话。如果你回答“就是一个能调用工具的AI”，那基本就凉了。面试官要听的是：你对自己做的事情有没有系统性的理解。正确的打开方式是这样的：“我负责的是一个面向科研场景的辅助Agent...

发点面经攒攒人品～算法:1. leetcode146 LRU缓存变种在lru的基础上加了一个阈值k，只有访问次数到达k的才进入最近最少使用的淘汰范围2.leetcode56 合并区间八股:1. 为什么使用rabbit mq和rocket mq？不用kafka? 你说kafka会丢数据，知道什么情况下会丢吗？2. 微服务相比单体服务有什么优势？3. 微服务可能会有什么劣势？4. 分布式事务的二阶段提交和三阶段提交5. MySQL和hive，redis的区别与使用场景6. Es的倒排索引7. 从hive到mq同步数据，为什么中间要用mq，不能直接同步？8. MySQL是怎么使用binglog的？用于数据同步? 那全量同步和增量同步是什么区别？9. MySQL的事物特性以及实现原理10. redolog和undolog是干什么的？事务的每个隔离级别是靠什么实现的？11. 知道MVCC是怎么用的吗？12. 知道MySQL的底层结构吗？13.为什么用b+树？不用b树和红黑树？14. 会用哈希当索引吗？15. 知道覆盖索引吗？16.覆盖索引有什么好处？

面完之后：按记忆把题串起来说 手里那份问题清单，是好几场面谈里碎片问题的合集。 单独看每一条都像八股，串在一起你会发现面试官的注意力一直在两条线上晃：一条是「这东西在线上会不会出事」，一条是「你知不知道自己在用什么、没用上什么」。 下面按我自己后来复盘时觉得顺的思路写——从项目怎么讲，一路滑到 LangGraph、记忆、agent 形态、工具协议、RAG，最后落到后端那几道「看起来基础、其实能问穿」的题。 你如果对某一块熟，可以快速扫小标题跳读。 从项目讲起：先别急着报框架名 几乎所有 agent 岗都会从项目开刀。我踩过的坑是开场三十秒就把 LangGraph、LangChain、某某向量库...