某车企工作一年要不要跳槽

发一下问题给大家参考，攒攒人品！1. 项目介绍2. 论文讲解3. 实习拷打4. Java 的面向接口和多态继承都有啥好处?具体怎么选择?5. Java 的 Map 这种集合有哪些类型，都是怎么用的?6. 线程池的使用，核心参数设计7. 如何根据业务需求动态修改线程池参数8. 评估垃圾回收算法的好坏，一般有哪些评估角度?怎么判断这个算法是好是坏?9. 讲一讲CAS，这种乐观锁有什么优缺点?有什么问题/代价?10. Java 存在垃圾回收为什么还会有内存泄漏?11. 如何快速定位内存泄漏?12. 熟悉哪些设计模型?13. 讲一下工厂设计模式?有什么好处?13.一般使用注册的回调函数，这种属于什么模式啊?14. 死锁了解过吗15. 数据库没关，最终导致什么结果?16. 手撕算法：反转链表

1、自我介绍2、项目深挖3、如果让你设计一个 Agent 的评测体系，你会怎么做Agent 的评测不能只看最终回答像不像，因为很多场景里最终答案看起来没问题，但中间过程其实已经错了。真正可用的评测体系应该至少覆盖三层。第一层是结果评测，也就是任务有没有完成，最终输出是不是符合目标。第二层是过程评测，要看任务拆解是否合理、工具是否选对、参数是否正确、执行顺序是否稳定。第三层是系统评测，要看延迟、成功率、重试率、单次成本、异常恢复能力这些工程指标。如果是线上系统，我会把评测拆成离线和在线两部分。离线阶段构造标准数据集，做固定样本回放，评估规划正确率、工具调用成功率、任务完成率和输出质量。在线阶段则...

祝大家都能拿到满意的Offer！攒人品中1- 项目拷打2- 不同 agent 架构差别比较：3- 根据我的知识背景，问了 agent flow, react 和 multi-agent 三者的差别4- LLM 如何预测下一个词5- 现有 agent 实践上：6- 不同 agent 使用体感差别在哪里，有哪些优势和不足7- file system 是什么？它起到什么作用？使用它相比其他传统的 agent 好在哪里？8- skills 相比于传统 agent 好处在哪里？工具 skills 和产品 skills 如何理解，差别在哪里？9- openclaw 有没有用过，它为什么会火爆？技术 or 架构上做对了什么？10- 知不知道最近的 harness engineering？11- 由于任务表述并不清晰，不同 agent 对于同一任务的表现并不完全一致，如何处理这个问题？12- 对未来工程架构上的理解：13- 对于 agent 未来 to C 和 to B 在技术和架构上觉得未来可能会有什么发展

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...