阿里淘天ai研发一面分享-依旧攒人品

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.讲一下 Transformer 架构原理以及最新进展2.介绍 Transformer 后续发展的两个流派：Encoder 和 Decoder3.为什么现在的大模型都是 Decoder-only4.讲一下实习工作5.怎么量化可视化 Prompt 对决策能力的干扰权重6.如何判断是可视化 Prompt 内容影响决策，还是 Prompt 太长导致注意力涣散影响决策7.怎么设计实验验证这个问题8.讲一下正负样例是怎么构造的9.训练集是怎么构造的10.训练过程中有没有遇到训练后效果变差的问题11.遇到问题后怎么解决12.如何理解压缩专家向量13.讲一下怎么做分阶段训练14.为什么要分阶段训练15.开放性问题：如果训练一个 AI Coding Agent，是端到端训练还是分阶段训练16.讲一下 GRPO、DPO、PPO 三种算法，以及各自适用场景17.开放性问题：如果要训练一个数学推理的小多模态模型，同时有一个纯文本推理能力强的大模型，你会怎么做蒸馏18.如果没有图片，只有纯文本，怎么设计训练方案19.让你设计一个AI Coding Agent 你会 怎么设计20.后续怎么去评测这个 Agent

1. 挑选个人复杂度最高、难点最突出的项目完整讲解，重点说明项目核心痛点、落地难点、技术瓶颈与最终落地解决方案。2. 结合项目场景，说明Agent任务目标拆解逻辑，以及PPO算法完整训练指标、效果评估标准。3. 阐述RLHF对齐偏好定义逻辑，大模型对话优劣好坏的标注标准与偏好数据集构建逻辑。4. 详细讲解奖励模型RM、Critic网络结构设计思路，组件有效性验证方式、调优优化策略，以及整体对话效果量化评估方案。5. 对比选型SFT、DPO、PPO、GRPO、RAG多条技术路线，说明为何选用强化学习做Agent对齐优化，完整输出各方案评估维度、适配场景与选型依据。6. DPO全流程效果评估方式，结合实际业务案例说明DPO固有短板，对比DPO与GRPO原理差异、优劣特点与落地适用场景。7. 从算法原理角度，讲解GRPO具备更强探索能力、稳定训练的核心原因。8. 阐述个人参与RAG相关项目初衷，梳理RAG系统整体架构与核心工作内容。9. 对比语义切分、固定长度切分、递归语义切分优劣，说明递归切分选型原因，以及不规则、非结构化文档专属预处理方案。10. 梳理向量数据库选型核心考量维度，结合线上高并发、低延迟生产环境，说明落地选型策略。11. 说明关键词检索+向量检索混合检索设计原因，介绍召回率、准确率等检索效果客观量化评价指标。12. 针对检索召回不足、匹配精度偏低、上下文关联性差等问题，逐条梳理全链路优化手段。13. 讲解用户意图模糊、指代不清、需求不明确类问题的意图识别与澄清处理方案。14. 讲解重排序模型选型、技术实现、解决的检索冗余错乱问题，所用开源/商用工具库，以及不同重排模型横向对比实验结论。📳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。

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 拷打实习2. 并发搜索场景下，主线程起了多个子线程后，怎么和它们通信以知道任务全都做完了？3. 为了提速引入了 Kafka，但 Kafka 本身是异步组件，会不会反而导致任务流转变得更慢？4. 流量变大后，每个任务拆解并发大量消息，Kafka 会不会变成系统的性能瓶颈？（答了限流桶策略、结合业务使用频次限制）5. 扫表和用消息中间件（如 Kafka 双 Topic）管理长时任务状态，各自的优缺点是啥？6. 详细介绍一下你项目里的多智能体协同策略，三层 Agent（Root、Main/Fallback、Sub-Agent）是怎么互相配合流转的？7. 如果主 Agent 决定越过第二层直接调底层的子 Agent，上下文信息是怎么跨层传过去的？（答了通过解析 JSON 传递意图，并共用主线程/连接）8. 补充检索是如何评估数据质量并触发的？你怎么保证二次检索能搜到之前没搜到的内容？9. 怎么避免大模型检索到网上被 AI 批量生成的虚假垃圾数据（防止 GU 投毒）？10. 短期对话记忆和长期记忆分别是怎么提取和存储的？11. 怎么判断当前用户的提问需不需要去 RAG 里检索长期记忆？12. 为什么底层选用了 pgvector 做向量数据库，而不是其他的？13. 为什么在向量检索的基础上还要加 BM25 精确检索？具体解决了什么 bad case？14. 重排序（Rerank）是怎么做的？有没有设置低分阈值做提前过滤操作？15. 传统 CNN 有什么痛点？ResNet 让你印象深刻的核心思想是什么？16. 介绍你最近读过的五篇论文17. 平时拿到一个项目任务，你用 AI 辅助编程的工作流是怎么拆解的？18. 你的AIcoding提示词策略是怎么操作的？人工一般在哪个环节介入审核？

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1、实习拷打2、你学习的计算机相关的课程有哪些，能简单介绍一下吗？3、多模态融合的项目相关：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？4、你们的实验结果有和其他模型进行对比吗？5、你们的数据量有多少，数据的来源是哪里，你们的小数据集是不是很可能过拟合？6、你训练的这个模型参数多少？7、智能体项目相关：ReAct模式是怎么样的？8、你觉得你们这个项目的亮点是在哪里？9、你们RAG的部分是如何解决Query混乱，检索精度低的问题的？10、你们检索召回精度是多少？11、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？12、八股相关：Transformer中的Decoder介绍一下你的理解？13、你在浏览器中输入一个url，到返回请求，中间会经过怎么样的一个流程，你可以详细描述一下吗？14、你用的计算机编程语言中的锁可以介绍一下？15、你有了解过Multi-Agent架构吗？16、你对B+树有了解嘛？17、多头注意力机制你的理解是什么，为什么不能换成单头的？18、你的简历更适合投算法岗，为什么要投我们的ai应用？19、AI 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