快手 大模型应用 一二三面

探讨了一下过往项目，聊了一下状态空间相关的话题，行车规控相关内容（我没做过，聊不起来）如果想转大模型的话，多学习一下微调比较好，面试官说微调挺简单的，也很重要通过和面试官交流，发现大模型行业也面临落地难的困境，转行还需慎重考虑，一行又一行的难处没有coding

家人们，发现一个宝藏大模型项目！！自己动手搭建一个，顶其他的10个！能用Torch 搭建，还有rag和agent。

上来面试官介绍团队情况，然后自我介绍1.问xgboost，有没有用过xgboost做分类任务我提到课设里用来训练模型，但是记不太清了，就介绍了一下课设的场景和我做的内容2.有做过特征拼接/特征搭建吗没明白问的什么，没答上来。现在想想应该是问交叉特征、统计特征3.业务题：怎么给用户发优惠券，使用什么模型我提到可以给用户做画像，使用k-means对用户做分类，面试官后来提到是预测4类用户4.问强化学习的项目，追问PPO和DQN的区别，追问强化学习在大模型和推荐算法中的应用答human feedback，大模型回答用户可选择，推荐系统可上线不同场景做点击率等指标预测5.问了推荐算法的项目，讲了一下大概，没细聊6.讲一下实习经历，具体干了什么7.看到熟悉transformer（简历上写的），讲一下attention机制，追问为什么要除以k的dimension，答要做归一化（其实是标准化），降低计算复杂度（还应该提到点积太大会导致softmax后某一个数的概率过于接近0或1）8.实习都很短（2段一个月的），为什么？追问这次可以长吗？9.反问日常工作没有手撕

一、RAG知识库：从概念到应用1. 什么是RAG？为什么需要知识库？概念：RAG（Retrieval-Augmented Generation）即检索增强生成，通过外部知识库检索相关信息，辅助大模型生成更准确、实时的回答，解决大模型“幻觉”（生成错误信息）和“记忆有限”的问题。为什么需要？ 例：当大模型被问“2025年北京冬奥会的新增项目”时，若知识库未更新，模型可能生成错误答案；而RAG通过检索最新知识库，能准确返回信息。作用：让大模型具备“外部记忆”，支持动态更新知识（如产品手册、法律条文、行业报告等）。2. 知识库类型与实例文本知识库（最常用）： 例：企业内部FAQ文档、医学指南、代码文...