蚂蚁转正实习算法一面

字节抖音AI搜索，主要以cpp开发1.自我介绍。2.介绍一下你的这些项目吗？多agent项目3.你的主控 Agent 的输入是什么？4.你的子 Agent 是怎么让主控 Agent 感知到的？5.你的 Agent 和 Agent 之间是怎么交互的？有什么协议吗？6.你是怎么决定要开发这几个子 Agent 的？各agent分别承担什么功能？7.你的数据来源是什么？8.你刚刚说的大盘行情数据、新闻这些，又分别是从哪个数据源来的？9.你这个怎么提取关键词的？10.这些新闻或者搜索到的文本数据拿到以后，你会做什么处理？11.你会限制整个 context 的长度吗？12.你这里限制是多少？13.那 token 和文本的换算关系你大概了解吗？一个 token 大概对应多少文本？14.你的模型输入最大允许多大的窗口？15.你为什么会选择调多个模型？其实选一个最适合的模型是不是就够了？16.你有调研过各个模型的特性吗？你是怎么选的？17.千问你这边有用吗？18.你这个简要的 RAG 框架？19.你可以从输入开始，简单说一下你整个 RAG 框架的流程吗？20.那你这个知识库和新闻，这两个 Agent 的定位区别是什么？21.你为什么会采用 multi-agent 的架构，而不是一个 Agent 加一堆工具的架构？22.你的模型推理链路是怎么部署的？八股26.你可以说一下，我们在浏览器里面输入一条链接以后的通信过程吗？27.HTTP 和 HTTPS 有什么区别？28.什么叫线程安全？29.你用过哪些锁？互斥锁用过吗？30.你了解互斥锁大概怎么实现吗？31.还有其他哪些锁？32.写时复制了解吗？33.进程间有哪些通信方式？算法题二叉树最大宽度大半时间都是揪着我的多智能项目来问，业务针对性强。开学第一场，对新做的项目整体准备不太完善，答得不太行，估计面评也脏了，到发布日期字节没第二场了面AI相关岗位可以参考一下它的提问方式。

1. 深入讲讲你项目中遇到的最复杂的技术问题，如何解决的？参考答案：我在做电商系统时，遇到过一个分布式事务的问题。场景是用户下单时，需要同时操作订单服务（创建订单）、库存服务（扣减库存）、积分服务（扣减积分）三个服务。如果其中一个服务失败，其他服务需要回滚，保证数据一致性。最初我使用了两阶段提交（2PC）方案，但发现性能很差，而且存在单点故障问题。协调者挂掉后，所有参与者会一直阻塞等待。后来改用了Seata的AT模式，它是一种改进的2PC，通过拦截SQL自动生成回滚日志，性能和可用性都有提升。但在高并发场景下，Seata的全局锁机制导致性能瓶颈。最终我采用了基于消息队列的最终一致性方案。下单时...

AI大模型算法，一环扣一环的拷打Transformer 基础详细介绍 Transformer 架构（Encoder-Decoder 结构、位置编码、FFN 等）Decoder 的因果注意力中，Q、K、V 分别来自哪里？→ Q 来自当前 Decoder 输入（已生成的 token 序列），K 和 V 也来自同一序列（需 mask 未来信息）Attention 为什么要 scaled？不做会怎样？为什么是√dₖ？→ 点积随 dₖ增大会让 softmax 进入饱和区，导致梯度消失；除以√dₖ可使方差稳定在 1（数学推导参考 Vaswani 论文）Transformer 如何加速推理？KV Cache 是什么？训练 vs 推理的并行性差异？→ 训练时所有 token 并行计算；推理时自回归，KV Cache 可缓存历史 K/V，避免重复计算，大幅提速多模态论文深挖（以 Video-LLaMA 为例）讲解 Video-LLaMA 的整体结构→ 视频编码器（如 ViT + Temporal Aggregator）→ 投影层（对齐文本空间）→ LLaMA 语言模型论文中 CoT（Chain-of-Thought）的具体设计？→ 在 prompt 中加入推理步骤示例（如 “视频中先看到人挥手，然后狗跑过来…”），引导模型分步作答微调 & 分布式训练微调用了 LoRA，介绍其原理→ 将权重更新 ΔW 分解为低秩矩阵 A×B，冻结原模型，只训练 A、B，大幅减少可训练参数LoRA 初始化怎么做？秩（rank）设为多少？为什么选这个值？→ A ~ N (0, σ²)，B 初始化为 0；常用 rank=8 或 16，在效果和参数量间取得平衡（实验验证）知道 DeepSpeed 和 Megatron 吗？分别说说→ DeepSpeed（微软）：主打 ZeRO 显存优化；Megatron-LM（NVIDIA）：张量并行 + 流水线并行论文用 DeepSpeed，三个 Stage（ZeRO-1/2/3）分别是什么？→ Stage1：优化器状态分片；Stage2：+ 梯度分片；Stage3：+ 模型参数分片（通信换显存）二面下一篇再写吧，力竭了

1. 自我介绍这个看个人具体情况了 2. 实习中测试业务介绍在实习期间，我xxxx 巴拉巴拉说一堆, 如果没有也不会问这条的 看个人情况3. 计算机网络分层介绍常见的网络分层模型有OSI七层模型与TCP/IP模型。OSI模型自下而上依次为物理层、数据链路层、网络层、传输层、会话层、表示层与应用层；TCP/IP模型通常划分为网络接口层、网络层、传输层及应用层。分层设计降低了系统复杂性，各层独立实现特定功能，方便维护与升级。4. TCP相较于UDP是可靠的原因TCP是面向连接的协议，在数据传输前必须建立可靠连接。它通过序列号、确认应答（ACK）、重传机制、流量控制和拥塞控制等手段来保证数据的有序、...