货拉拉产品实习AI方向一面

1.怎么理解大模型产品策划岗位2.你认为你的优势是什么3.介绍你做模型训练的经验。怎么评价这个结果?召回率，置信度?用什么云平台?4.介绍上一段实习的产品，scope有多大5.如果让你重新做这个项目，你会怎么做6.未来职业规划怎么考虑7.人生中最大的挑战是什么8.有没有崇拜的人9.你目前做过最有成就感的事情是什么

感觉在牛客已经潜水好长时间了，我也看到有不少牛友想要投AI大模型产品岗位。正好，我作为业务面试官，可以跟大家一起复盘下前一阵部门的三轮面试流程。其实全程面试考察的重点，还是候选人的项目扎实程度、结构化思维和AI产品基础素养。第一轮面试：45分钟1、系统介绍一下你第一个AI实习项目这种宏观问题，建议使用STAR法则或者为什么做、怎么做、做完之后的效果三段论来回答。我不仅听故事，更通过你的叙述结构，评估你的结构化思维和项目全貌掌控力。2、sd项目中的提示词是如何编写的？我会遵循“角色定义-任务清晰-格式约束-示例引导”的原则。一个完整的提示词模板应是一个“工程系统”。3、提示词模板你会怎么来写？你...

问题 1. 你在商汤的工作是偏算法还是偏产品？这个平台的核心定位是什么？2. 你提到这个平台，我理解他是类似于一个 XX 的平台，那既然在有（大厂）产品的情况下，你怎么看待商汤的这个产品的价值和定位？DAU 如何？3. 第二段：你在这个公司的底层数据集是如何构建的？是爬取还是什么？4. 你提到的这个品牌调性，不同品牌有不同的内容需求，当你去提取这个标签的时候，会用什么样的内容？5. 产品的评估指标是什么？如何定义这个指标？6. 你在腾讯这个项目，是一个什么产品？7. 浏览器产品你的产品生态定位是什么？对 DAU 的贡献是什么？反问：1. 快手内的这个部门的架构，为什么负责？2. 主要服务形态是什么？for 内部还是外部？3. 面试要聊几轮，后面还有多少流程？

严重性定义 产品场景下幻觉的容忍度，接受多少成本来解决评估和检测●业务角度：进行人工评估，比如标100条Case，从体感上感知主要问题●自动化评估：在垂直领域，构造数据集，利用LLM进行知识检索判断幻觉幻觉分类大致分为与真实世界信息不一致的事实性幻觉（包括编造事件、信息过时等）、与输入的上下文不一致的忠实型幻觉。需要不同的缓解措施幻觉如何缓解？调API的话1.首先是Prompt调优。比如输入更详细的任务指令、调优的过程中不断根据输出的Bad Case加入限制。比如COT。2.然后是上下文优化，这里指的可以是RAG的召回信息优化，也可以是特定场景的上下文处理优化，突出其重点部分更容易被大模型理解。3.还可以基于Agent思想，将其问题拆分成更细粒度的任务，每个步骤都使用RAG融入外部知识来降低幻觉。4.最后是成本较高的，使用另一个模型来检测幻觉，如果有幻觉则重新生成。自研模型的话，通常是在垂直场景需要蒸馏一个小模型，或者微调一个模型。除去上述部分，还可以参考一下思路1.SFT训练数据层面：通过合成指令微调，有助于缓解幻觉。2.强化学习：在强规则的领域，可以通过强化学习来缓解忠实型幻觉。比如特定格式输出、特定内容提取等。3.推理：在不同领域考虑不同的解码方式，多样性解码在专业领域诱发更多幻觉，贪心搜索在开放领域加剧幻觉