蚂蚁国际AI应用开发一面分享 攒人品中

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.实习拷打2.项目是不是练手项目3.做项目的时候有哪些挑战4.分片键的选择、数据表怎么设计的5.跳转的时候是重定向吗6.有没有压测过，大概能达到怎样的QPS面试官中间还说了主要是关注生成速度、准确性、访问速度这些，结果最后只问了QPS7.如果和实际已经有的一些系统类比，在实际高并发场景下，这个项目是否能支持，需要做哪些优化8.生成ID是否也会是一个瓶颈，比如ID的容量要怎么扩充9.什么时候需要做分库分表10.缓存击穿做了哪些缓解措施11.熔断降级是怎样做的?有没有可以让用户无感知的降级12.知识库怎么构建的?13.工具调用的具体流程14.模型在工具调用的哪些环节发挥作用了15.我的练手项目让大模型来写能不能完成16.平常的科研学习受到了大模型发展的什么影响开放性题目:1.最近关注了什么AI发展的新技术吗?对你自己的学习有没有什么启发或者帮助?2.科研或者做项目的时候有没有遇到什么困难，最后怎么解决的

给我面没招了，发点面经攒攒人品～1.实习拷打2.检索环节做了哪些优化？在检索优化过程中，你是如何进行数据预处理的？有没有使用特定的检索算法？3.答案生成环节做了哪些优化？你是如何在答案生成环节控制生成质量的？有没有引入外部知识源或增强模型能力？4.是否做了 SFT 或强化学习相关工作？在哪个环节做的？你在 SFT 或强化学习中，如何设定奖励函数？是否有定期调整策略？5.SFT 过程中是否对类别标签做了清洗或修正？标签清洗具体是怎么操作的？对性能的提升有多大帮助？6.强化学习的样本量是多少？在强化学习训练中，样本量的选择是否影响到模型的收敛速度？如果有，如何应对？7.基础模型经常分类分不准的案例有哪些？你在模型分类不准的情况下，采取了哪些调整？是通过数据增强还是算法改进？8.在校项目任务的输出可以简单描述并举例吗？任务输出的质量如何评估？有没有一个量化的标准？9.单智能体能否完成在校项目相关工作？为什么要使用多智能体？多智能体系统与单智能体系统相比，是否有提升项目效率的作用？举个例子说明。

一、项目深挖从实习经历里挑一个最能体现技术能力、最有挑战的项目详细聊聊。这个功能整体研发大概多少人参与？在这个项目里压力最大、最棘手的事情是什么？你做了哪些重要的设计决策，这些决策带来了什么效果？更新数据库状态和推送不是原子操作，你当时是怎么权衡的？想保证这两个异步操作绝对一致性，有什么办法？延伸场景：先写数据库 A 再写数据库 B，要求同时成功 / 同时失败，怎么设计？项目用户量、QPS 大概多少？有出现客户投诉吗？功能上线后怎么验证、保证系统稳定？出现异常需要线上应急吗？你设置了哪些告警指标？从现在视角看，你会设置哪些指标观测系统稳定性？二、Full GC 问题排查介绍下当时遇到的 Full GC 问题，以及完整排查过程。三、AI & Web Coding 相关如果用 Web Coding 写这个系统，你会怎么设计提示词？AI 生成代码不可控，你怎么约束、确保符合预期？有没有试过用 Web Coding 写项目，过程中最大问题是什么？业界怎么解决 AI 思考慢、反复出错的问题？有没有考虑用 AI 做测试用例提效，做 TDD 开发？如果设计一个 AI 研发 + 测试的协作 team，怎么设计？研发 Agent 和测试 Agent 之间怎么交互，避免越改越偏？大模型上下文有限，Claude 类产品怎么保证长代码迭代不丢失注意力？四、职业规划 & 行业选择工作之后的职业规划是怎样的？想从事什么行业 / 业务场景，为什么？了解蚂蚁国际是做什么的吗，为什么投这个岗位？五、算法 & 限流（核心编程题）手撕实现滑动窗口限流（1 分钟级别）。单机限流会有什么问题？多线程场景下，单机限流是否还有效？扩展为集群全局限流，怎么调整逻辑？用 Redis 做全局限流，会选用哪种方案？

攒人品中 1.实习深挖2.介绍LLM项目的背景、动机、想要达成的目标、为什么做?3.详细介绍自己使用的技术，遇到的问题，如何解决的?4.使用LoRA微调，在用LoRA时有没有遇到模型不收敛或指令输出格式损失不符合预期?5.LoRAalpha特别强/特别弱会有什么情况?LoRA增量训练遇到灾难性遗忘如何解决?6.评测模型性能好坏的指标?有没有什么量化指标?怎么评估输入和输出的?7.DPOSample偏好尝试不同reward或其他层面的偏好对齐，选择的依据8.有没有微调过多模态大模型?9.Prompt Engineering项目有没有做过?10.手撕非 Leetcode hot100