阿里淘天应用实习算法三面面经

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

自我介绍实习遇到的难点，是如何克服的有在线上排查的经验吗B 平台 策略模式、工厂模式和模版方法模式是如何运用的，有什么区别阶梯退避轮询中，base 和上限是如何确定的峰值或高频请求时，如何保证 SLAC 系统 Checkpoint 回溯机制是如何实现的；取 Checkpoint 发生在哪些时机A 系统 如何保证事务下，数据库与缓存的一致性详细讲一下分布式随机分片锁八股了解缓存击穿和雪崩吗了解 JVM 内存吗垃圾回收了解过吗AI了解 AI Agent 吗了解 Agent 的上下文窗口吗；上下文超过模型窗口限制，如何处理了解过 Agent 的短期记忆和长期记忆吗算法二叉树的层序遍历 &&a...

继续来分享下最近的面经~欢迎友好讨论，信息共享Q1：设计一个生产级的AI Agent系统架构，画出核心组件并说明数据流转Q2：Agent的“规划-执行-反思”闭环如何实现？Q3：多轮对话中，记忆如何分级管理？缓存策略怎么设计？Q4：向量数据库选型对比（Milvus/Pinecone/Chroma），淘天场景怎么选？Q5：Function Calling的可靠性如何保障？如果模型一直调用同一个错误工具怎么办？Q6：工具的描述（description）怎么写才能让模型准确调用？给出淘天场景的示例Q7：RAG系统中，chunk大小怎么确定？不同业务场景的策略差异？Q8：检索结果相关性不高，怎么优化召回？Q9：Agent推理链路包含多个串行工具，响应延迟改，该如何优化？Q10：高并发场景下，如何设计Agent服务的弹性伸缩策略？Q11：Agent系统的核心监控指标有哪些？怎么设计告警策略？

嘿，兄弟们好，我是飞哥。前阵子我发了那篇上岸感悟，很多兄弟私信我：“飞哥，你老说现在要靠 AI 铲子吃饭，可我发现这 AI 经常‘不听话’，给的回答不是太虚就是格式乱掉，这铲子不好使啊。”确实，很多兄弟还把 AI 当成**“搜索引擎”在用——随手甩个问题，等着它给标准答案。但对于咱们要搞生产级应用的 Java 佬来说，你得把它当成一个“初级开发”或者“外包伙计”**。你给外包下需求，如果只是随口一句“帮我实现个抢票逻辑”，他保准给你搞出一堆 Bug。你得有清晰的文档、明确的边界、严苛的格式要求。这，就是 Prompt Engineering（提示词工程）。它是咱们重构 AI 思维的第一步：把“...