1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...

现在也太难了吧🥲，实习好难找，佬们拷打一下简历

想先投些中小厂沉淀沉淀再冲大厂，激情海投发现小厂根本不鸟我😭😭😭，感觉只写一个项目有些单薄，但要赶暑期可能来不及再搞一个项目了😭😭😭，好焦虑啊...求拷打点评orz

1. 自我介绍2. 介绍下你简历上这个项目3. 聊聊记忆系统模块设计，你会怎么拆记忆系统至少要拆成写入、索引、检索、融合和淘汰五层。写入层不是把所有对话都存下来，而是先判断值不值得记；索引层要同时支持按用户、会话、任务、实体和时间切片检索；检索层通常要把结构化过滤和语义召回结合起来；融合层负责把召回结果转成当前 prompt 可消费的上下文；淘汰层解决过期、冲突和污染。好的记忆系统不是“记得多”，而是“能在正确时刻拿回正确事实”。4. 记忆检索到底应该用 user_id、session_id，还是别的主键不能只用一个主键。session_id 更适合短期上下文恢复，能还原当前任务过程；user...