ClaudeCode泄漏

个人情况 27届硕士ai毕业生，目前手握两个实习offer，纠结该选哪个，想听听牛友们的建议～🙏Offer详情1. GE医疗（GE Healthcare）• 岗位：AI相关功能开发（CT核心部门）• 地点：北京• 实习时长：12周（6月-8月）• 转正情况：有转正名额• 实习薪资：180元/天• 转正薪资：HR说年包大概30w• 面试体验：技术面1小时，问得不深，已拿offer2. 华为（Huawei）• 岗位：AI模型工程师-端侧大模型（计算产品线）• 地点：上海• 实习时长：不固定（可能较长）• 转正情况：明确无转正名额• 实习薪资：9k + 2k• 转正薪资：看秋招定级• 面试体验：笔试+技术面，已拿offer纠结的点1. GE有转正，外企；华为无2. 行业赛道：医疗AI 但内容不确定 vs 方向不固定内容不确定。想听听大家的建议• 从技术成长和行业前景看，哪个方向更值得深耕？• 如果目标是秋招进大厂，哪个实习经历更有帮助？• 有没有了解这两家公司内部情况的大佬，透露下实际工作强度和技术氛围？真心求建议，欢迎任何角度分析～回复时麻烦说下理由，感谢！🙇‍♂️

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

发点面经攒攒人品～算法题：对话历史构造输入一个 List，包含 session_id、turn_id、query、answer 四列输入不保证按 turn_id 有序输出要求：在原始数据基础上增加 history 列，表示当前轮次之前的历史对话内容1.问实习项目2.项目解决的是什么问题3.训练数据来源4.DPO 训练数据格式5.训练时有没有考虑模型泛化能力6.如何解决模型死循环问题7.解释为什么会有模型死循环问题8.压缩向量的具体形式9.更倾向于研究型工作还是面向业务的工作

❓面试问题：询问项目1.rag和sft的区别和适用场景2.rag的知识库如何做定期维护场景题1.大量用户直播场景，有点赞功能，如何优化。（先答了使用redis，然后询问有没有其他优化，回答前端节流、服务端分片分批次提交），询问java使用什么数据结构（回答使用concurrentHashMap,value使用原子操作）2.如何实现三个线程执行完成后再执行（回答使用信号量或者锁，三个线程记录count值，达到3时唤醒主线程）八股1.什么是回表。2.什么时候不走索引。3.什么时候叶分裂。4.redis的缓存一致性。手撕1.三个线程按顺序打印1，2，3🙌面试感想：