字节实习 大模型算法一面 攒人品中

继续来分享下最近的面经~欢迎友好讨论，信息共享1.论文与项目拷打2.对agentic rl的了解简单介绍langchain和langgraphharness做的事情看起来langchain等也一直在做，为什么harness现在这么火，有什么区别3.端到端生成式推荐生成式召回生成式排序这几个方向各自的代表成果以及侧重你认为目前而言哪一块是融合的最好的，或者说哪一块价值最高码本训练的方法，评估指标，模态对齐怎么做，embedding模型是否要训练，幻觉怎么解决4.手撕:排序链表

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...

全程按着简历的论文和项目问，没有八股，无手撕，大概聊了半个多小时。这算 kpi 吗😂

4.21感觉像KPI，全程问的都很抽象这两个项目是从网上找的吗我看你有写jmeter压测下4千毫秒延迟，这些测试都是你在服务器部署后的结果吗（大致是这样问的）你平时用的比较多的 AI 编程工具有哪些？cursor这样的用过吗你的 Prompt Engineering（提示工程）是怎么做的？你的前端开发能力怎么样？碎碎念：全程7分钟收场，很抽象，原本是上周打算面试，结果拖了一周，今天7分钟面完了。岗位写的前后端工程师，我以为是可以自己选前端或者后端，结果是想要全栈，想要全栈直接写全栈不得了，整个前后端工程师是啥新名词。这家我感觉应该是以AI辅助开发为主，是家小公司，主要做agent项目，大模型，...