阿里云 AI agent平台研发工程师 一面凉经

自我介绍实习遇到的难点，是如何克服的有在线上排查的经验吗B 平台 策略模式、工厂模式和模版方法模式是如何运用的，有什么区别阶梯退避轮询中，base 和上限是如何确定的峰值或高频请求时，如何保证 SLAC 系统 Checkpoint 回溯机制是如何实现的；取 Checkpoint 发生在哪些时机A 系统 如何保证事务下，数据库与缓存的一致性详细讲一下分布式随机分片锁八股了解缓存击穿和雪崩吗了解 JVM 内存吗垃圾回收了解过吗AI了解 AI Agent 吗了解 Agent 的上下文窗口吗；上下文超过模型窗口限制，如何处理了解过 Agent 的短期记忆和长期记忆吗算法二叉树的层序遍历 &&a...

做 Agent 只有“写模型”这一条路吗？其实远不止。如果偏技术，可以走 Agent 开发工程师，做多轮对话、工具调用、工作流编排，把模型真正落地成可用系统；如果更偏产品，可以做 Agent 产品经理，思考场景、设计交互，让 AI 真正解决问题；还有数据标注与训练、Prompt 设计、AI 应用开发，这些都是离 Agent 很近的入口。再往外一点，还有运营和解决方案岗位。说白了，Agent 不是一个岗位，而是一条产业链。模型只是起点，真正的价值在“怎么用”。选岗位时不用纠结“是不是最核心”，关键是：你能不能进入这个生态，并持续往里走。

第 8 题：大模型的涌现能力（Emergent Abilities） 题目 解释大模型的涌现能力（Emergent Abilities），并举例说明。 一、什么是涌现能力？ 涌现能力指某些能力在小模型上几乎看不到，但当模型规模（参数量、数据、算力等）达到某个阈值后，在较窄的规模区间内突然出现或明显跃升，而且很难用对小模型的平滑外推来预测。 强调三点：  突然性：不是随规模线性变好，而是在某个规模区间内“拐点”式提升。 规模相关：和模型大小、数据、算力强相关，不是单纯调 prompt 或工程能得到的。 外推困难：小模型上的表现无法平滑外推预测大模型会不会有该能力。  面试常问：“涌现是啥？”——...

主包从3月初开始投的简历，最开始面的部门是IEG，然后二面的时候挂掉了，后面又被微信搜索给捞了，结果一面的时候又挂了，后面又被广州的WXG给捞过去了。没错，主包一共经历了六轮面试，好在最后的结果是很好的.......一面（1h左右）- 自我介绍- 拷打在美团的实习（占比很大）- 项目（占比很少）- 八股（cpp + OS + 计网 + 数据库 + rabbitMQ + redis）关于八股这块，MySQL底层问的比较多，其次就是cpp的继承和多态这块儿，中间件也问了些。- 手撕两道算法：最长无重复子串 + 交换链表中的结点二面（1h左右）- 自我介绍- 拷打两段实习：美团，以及一家中厂的实习经历（同样占比很大）- 少量八股（OS + 数据库 + LangChain + docker + cpp）关于八股这块，同样 OS 和 数据库问的比较多，其他就是简历上写的一些小点- 手撕两道算法 + 一道SQL优化：每m个结点反转单链表 + 合并两个有序数组，SQL优化的话，就是加索引（具体我搞忘了）- 反问：部门情况，目前负责的业务。- 最后面试官说还会加一场技术面。三面（50来分钟）- 问实习：美团 + 中厂实习的情况。- 科研情况、实验室方向、读研生活、个人爱好等等。- 三面没有八股和手撕，除了实习问的比较多，其实就是一些个人的学习情况，以及怎么学习技术的...等等。- 反问：组内业务、入职需要做什么（面试官讲的很详细，应该是大Boss）HR面（半小时）- 自我介绍- 家是哪儿的- 平时怎么学习的- 看你是28届的，为什么想这么早来实习？- 导师放不放实习- 在这三段实习中，有没有印象最深刻的？那位实习导师对你的帮助很大？- 有无直系亲属在鹅工作？- 其实就是为什么考研？如何平衡工作与个人学习？- 等等之类的话题，比较轻松，就像是在聊天一样。- 最后说的是周五之前出结果。总结主包一共有过三段实习经历（两段中厂 + 一段大厂），所以面试官更多的是在问实习期间做的事情，解决了什么问题之类的。八股和项目也有在问，但是问的没有实习那么多。除开美团，这是主包面的第二个大厂，虽然有点波折，但还是比较顺利。我个人认为，目前就业竞争比较大，越早实习越好，其次就是如果你本身已经有了 1~2 段大厂实习，那么约面的机会真的很大。字节、京东、滴滴都给了面试机会的，但是字节我挂了，然后京东和滴滴拒了，俗话说：有鹅选鹅嘛😂