百度AI大模型产品一面-实习面经

前司各种体系非常完备，而现在的公司无周报周会，无文档管理系统，实习生无文档数据权限。巨大的反差让我备受煎熬，但一个月后我在这家三无的公司成功landing，并且愈发地喜欢这家二次元浓度极高的公司。为了较为客观地梳理内容，我把内容拆分为以下两部分:1..实习生如何快速landing（业务）2.实习生如何快速landing（人际）前2章以互联网产品实习举例，介绍实习生如何快速上手新业务；后2章介绍实习生如何快速搞定人际关系，超级适合i人实践。本文3.9k字，阅读需要约10min。1.带着问题去实习通过面试前的准备、面试过程中的沟通，实习前你会有对这个公司、业务、岗位有基本的了解。你可能会有好奇的事...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 看一下你的 AI 基础。介绍一下transformer 基本原理？解释一下注意力机制？解释一下什么是扩散模型？2. 讲一下你对 agent 和 Workflow 的理解3. 你知道 lovart 吗？你认为他是 agent 还是 Workflow？你怎么判断的？4. 目前这种产品二次编辑能力很差，让你来设计这个二次编辑功能你会怎么做？subject agent 的设计思维考察（意图、环境、function）5. 聊点业务上的，目前广告产品已经有很多工具能力，生成素材、投放等工具，目前我们有两个策略：A-all in one ，B 让做多个产品。你支持什么策略？为什么？6. 好在你的理解上，以广告素材生成为例，我们不只做工具，如何证明这个功能/产品的商业价值？工具生成的内容 reward 如何衡量？7. 好的，想象一个场景。我们希望打造一个产品，用户做广告不再是过去哪个先建广告组、做素材、定目标···而是交给 agent，用户只需要输入商品和基本信息，其他交给 agent 去做。那在这个过程中，main agent 发出指令，subject agent 执行。如果 subject agent 认为需要再做一个素材，这个过程应该如何流转？这个关系你会如何思考设计？

1. HMM 原理、主要问题、解决方法隐马尔可夫模型（HMM）是一个生成式序列模型，包含隐藏状态和观测序列，通过状态转移概率与发射概率描述序列生成过程。主要任务有三类：概率计算（前向后向）、解码（Viterbi）、学习（Baum-Welch）。主要问题包括独立性假设过强、特征表达能力弱、难以利用长距离上下文。常见改进是使用CRF、BiLSTM-CRF、BERT-CRF等判别式或深度模型。2. fastText 和 word2vec 差异word2vec核心是学习词向量（CBOW/Skip-gram）；fastText在词向量基础上引入子词（n-gram）信息，因此对未登录词、拼写变体、低频词更...

刚刷到字节跳动官方发的消息，确实被这波阵仗吓了一跳。在大家还在纠结今年行情是不是又“寒冬”的时候，字节直接甩出了史上规模最大的转正实习计划——ByteIntern。咱们直接看几个最硬的数，别被花里胡哨的宣传词绕晕了。首先是“量大”。全球招7000多人是什么概念？这几乎是把很多中型互联网公司的总人数都给招进来了。最关键的是，这次的资源分配非常精准：研发岗给了4800多个Offer，占比直接超过六成。说白了，字节今年还是要死磕技术，尤其是产品和AI领域，这对于咱们写代码的同学来说，绝对是今年最厚的一块肥肉。其次是大家最关心的“转正率”。官方直接白纸黑字写了：整体转正率超过50%。这意味着只要你进去了，不划水、正常干，每两个人里就有一个能直接拿校招Offer。对于2027届（2026年9月到2027年8月毕业）的同学来说，这不仅是实习，这简直就是通往大厂的快捷通道。不过，我也得泼盆冷水。坑位多，不代表门槛低。字节的实习面试出了名的爱考算法和工程实操，尤其是今年重点倾斜AI方向，如果你简历里有和AI相关的项目，优势还是有的。而且，转正率50%也意味着剩下那50%的人是陪跑的，进去之后的考核压力肯定不小。一句话总结： 27届的兄弟们，别犹豫了。今年字节这是铁了心要抢提前批的人才，现在投递就是占坑。与其等到明年秋招去千军万马挤独木桥，不如现在进去先占个工位，把转正名额攥在手里。