LLM算法实习 百度二面面经

继续来分享下之前的面经~强度好大，俺不中咧。。。。
1.实习中多智能体系统包含几个智能体？它们之间如何交互？

2.意图识别模型需要识别多少个意图？

3.750B 模型用于什么场景？

4.实习中 Qwen3VL 模型是多少 B 的？用于什么场景？

5.在实习中，你主要的贡献是什么？

6.检索环节做了哪些优化？

7.答案生成环节做了哪些优化？

8.是否做了 SFT 或强化学习相关工作？在哪个环节做的？

9.SFT 过程中是否对类别标签做了清洗或修正？

10.强化学习的样本量是多少？

11.基础模型经常分类分不准的案例有哪些？

12.在校项目中，为什么用对话数据来增强数据集？

13.在校项目任务的输出可以简单描述并举例吗？

14.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？

15.LangGraph 相对其他开源智能体编排工具的优点是什么？

16.在现有场景中是否需要用到 LangGraph 的状态管理功能？

17.如何理解 Long-term Memory 的实现方式？

18.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法？

19.Context Window 能否储存大量电商交互信息？如何解决存储问题？

20.推理时若将大量 Memory 以 Token 形式给到大模型，Token 长度过长该如何处理？

21.强化学习有哪些常用技巧？

22.若通过 SFT 进一步提升模型准确率，常用的手段有哪些？

23.SFT 的理想数据量是多少？如何确定？

24.SFT 数据分布一般怎么取？为什么选择该分布而非其他分布？