实习offer选择，证券/国企/银行

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目拷打3.处理查询文档里的异构数据(如图片)时，具体的处理流程是什么?解析成纯文字后如何进一步加工?这样只返回文字给用户，图片信息不会丢失吗?4.你们是通过人工打标建立图片和文本的对应关系吗?文档量很大的情况下，打标工作能完成吗?5.如何保证大部分图片异构数据解析后回答的正确性?若回答错误，怎么识别问题?后续要验证回答准确性，你有什么方案?6.用于评测的另一个大模型，如何构造问题、分析文字并进行对比?这个大模型的正确率以及模型自我一致性怎么确定?7.你们的模型基于哪些异构图像做增强?模型会不会产生幻觉，生成文档外的内容?8.若用户的问题不在文档里，你们会怎么处理?是调用其他模型吗?大模型回答不了时，会提示用户补充问题吗?用户补充后仍无法解决该怎么办?模型如何判断何时需要让用户补充提问?9.你们有框架编排这些流程吗?用的是什么框架?10.怎么理解检索召回率?这些指标具体包含哪些评价项?什么是忠实度?召回率的分子分母是怎么定义的?11.你之前那段实习的具体工作内容是什么?针对设备故障叙述报告这类复杂文本，模型如何理解?是做了相关检测吗?大模型是怎么实现术语解释的?12.请讲一下LoRA技术，除了减少参数量，它还有什么优点?你做的LoRA相关工作，后续有落地应用吗?13.你写代码主要用Python吗?会不会用Java?了解Java的多线程、双亲委派模型以及消息中间件吗?有没有做过Java相关项目?

给我面没招了，发点面经攒攒人品～1.实习拷打2.拷打第一个项目3.拷打第二个项目4.在RAG中，递归字符切片相比固定长度切片优势在哪？5.如果要实现只在特定分类的文档中进行检索，在Milvus中是使用多个Collection效率高，还是使用分区效率高？6.什么是Agent的反思机制，对于你的心理咨询Agent，有没有让模型在回答前先检查一遍自己的语气是否专业？7.工业图纸识别如果大模型出现了幻觉，你在Prompt层面或后处理层面有什么方法？8.介绍一下Function Call原理，模型生成的JSON如何通过逻辑触发表层代码执行并返回给模型？9.vLLM的PagedAttention原理？10.在使用FastAPI开发大模型接口时，中间件和依赖注入分别适合处理什么样的业务逻辑？11.Python的multiprocessing和threading你会如何结合使用来提高整体吞吐量？12.asyncio.gather和asyncio.as_completed在并发请求多个模型接口时有什么区别？如果其中一个接口超时，如何做降级？13.如果用户的Prompt特别长，导致上下文窗口溢出，除了截断，你有哪些简化上下文的策略？14.了解目前主流的MultiAgent框架吗？如果将你的心理咨询Agent拆分，你认为状态同步的难点在哪？15.谈谈对A2A通信的理解。在A2A场景下，如何防止两个Agent陷入递归对话？16.手撕：实现LRU缓存机制，有时间复杂度要求

如图，这腾讯进度给我卡着没法投内推简历了 这都我去年4月投递的了 有牛友知道怎么解决吗

先自我介绍，然后开始聊项目。深挖AI项目：项目为什么用的是JSON-grpc？它是怎么设计的？和标准的rpc有什么区别？对mcp工具调用时的不同错误类型，你的设计有什么区别？怎么封装的rpc超时重试机制？客户端发起一个请求的时候，服务端怎么找到对应的工具？（mcp工具调用的全流程）假设客户端请求的QPS很高，高并发环境下怎么去优化性能？讲一下SSE通信模式，他和websocket有什么区别？怎么通过RAG对mcp工具的选择进行优化的？工具调用时token消耗过高，是在什么时候呢？（远程调用大模型的时候）RAG向量化的内容是什么？怎么把用户的问题，prompt去向量化的呢？有对比过引入RAG向量化后的效果吗？mcp服务端在Linux平台上运行时，CPU突然占满了，如何排查？怎么判断运行时出现了死锁？如果是进程或者I/O引起的CPU100%，怎么判断进程卡在内核里、锁里还是I/O等待里？讲一下僵尸进程和孤儿进程的区别。算法题：带过期时间的LRU缓存，淘汰策略是random。反问：Q：您那边负责的主要业务是什么呢？A：我这边是字节主端侧，AI基础设施。Q：贵公司对在校生和实习生，更看重哪些方面的能力？A：基础知识、和岗位方向的匹配度、还有学习能力。总结：一个多小时，项目拷打基本抗住了，而且幸好面试前专门研究了大模型token和RAG，和面试官有得聊。算法题只写了个大概，用哈希表+双向链表，但双向链表的特点给忘了没回答好。