没有找agent算法实习的同学吗？

因为从入学到现在研究方向一直是多模态。想知道是不是多模态方向没顶会几乎找不到工作呀😭。不管简历还是面试一听做多模态马上就挂了🥹。求大佬点评哪里可以修改一下呀。 现在换方向多加几个agent项目还来得及嘛。

继续来分享下最近的面经~欢迎友好讨论，信息共享1. Transformer 为什么能替代 RNN 成为大模型主流架构？2. Self-Attention 的计算过程是什么，时间复杂度为什么高？3. Multi-Head Attention 的作用是什么，为什么要分多个头？4. 位置编码为什么必要，绝对位置编码和相对位置编码有什么区别？5. 什么是 KV Cache，它为什么能显著提升推理效率？6. Prefix Cache 和 KV Cache 有什么区别，分别适合什么场景？7. 为什么大模型推理通常是 memory bound，而不是 compute bound？8. Batch 推理和单请求推理的吞吐与延迟 tradeoff 是什么？9. Continuous Batching 解决了什么问题，为什么对推理服务很重要？10. Prefill 和 Decode 两个阶段的性能瓶颈分别在哪里？11. 大模型采样里的 temperature、top-k、top-p 分别会怎样影响输出？12. 贪心解码、束搜索、随机采样分别适合什么生成任务？13. 重复惩罚和长度惩罚分别是为了解决什么问题？14. 为什么模型有时会出现“复读机”现象，通常怎么缓解？15. 量化是什么，INT8、INT4、FP16 的核心区别是什么？16. 推理量化会对模型效果造成什么影响，如何评估是否值得量化？17. 张量并行、流水线并行、数据并行分别适合哪个阶段？18. 单机多卡部署大模型时，通信开销主要来自哪里？19. 为什么 GPU 显存是大模型部署的核心约束之一？20. 模型参数量、上下文长度、并发数三者之间是什么关系？21. 什么是 MoE 模型，为什么它能在参数规模很大时控制推理成本？

📳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。

攒人品中 1.项目拷打2. agent和llm区别，agent未来发展3. openclaw了解吗4. openclaw agent存在什么缺陷 指出一两个5. multiagent和superagent系统上区别6. teamagent和superagent适用场景7. 怎么解决图谱rag节点太多 复杂度太高的问题8.假设有个捞简历的场景，这个步骤有另外一个已经承担了，现在已经有一批候选人需要去联系，那以前是人去打电话，效率太低。现在想用新的agent去完成跟候选人的有效联系，赢得候选人的信任，然后向候选人介绍我们的岗位，看看候选选人有什么个性化诉求，这个 agent因为它业务必要性和技术可行性你觉得怎么样分析一下9.如果让你来设计的这个技术方案最关键最有技术挑战的有三个技术问题，你觉得是哪三个手撕:有一条传送带，上面排好了队的一堆包裹，每个包裹有不同的重量 weights[i]。你的任务是在规定的 days 天内，把这些包裹全运走，不能插队，每天一船，限制最大重量，船的重量越大成本越高，而且要找能完成任务的最小载重量