阿里千问事业群 ai应用研发工程师 一面

1.请做一段简单的自我介绍。2.做多模态Embedding任务时，如何平衡文本语义与图像视觉特征的相似度计算权重，若用户检索图纸特定参数却召回大量外观相似零件图，问题根源是什么，同时Ragas指标中Context Precision过低该如何优化？3.你的向量记忆库采用何种去重方案，用户重复表述同一内容时会重复存储还是语义合并，基于MCP接入多测评工具且同问题返回格式不统一时该如何处理？4.面对用户模糊含糊的提问，Agent会直接检索知识库还是先反问用户确认需求？5.当Agent调用工具出现报错时，该怎样设计提示词引导模型利用报错信息自主重试，而非直接将错误返回给用户？6.长对话上下文处理中，除文本截断外，请列举并说明多种更高效的上下文压缩方案。7.多Agent系统中，依靠LLM充当路由分发任务与依靠固定规则分发任务，二者分别具备哪些优势与劣势？8.基于Milvus数据库，如何完成BM25检索与向量检索的分数归一对齐操作？9.需要限定检索某一时间节点之后的数据时，向量数据库该如何高效实现标量条件过滤？10.是否了解LoRA微调技术，训练LoRA过程中两个核心参数矩阵分别采用怎样的初始化方式？11.请详细阐述QLoRA算法的核心设计思想与关键原理。12.针对逻辑推理类任务做LoRA微调，对比普通对话任务，LoRA秩的取值应该偏大还是偏小并说明原因？13.模型推理部署阶段，为消除LoRA分支带来的推理额外延迟，是否会执行权重Merge操作？14.垂直领域指令微调后模型通用能力出现退化下降，有哪些可行的解决与改善办法？16.对比PPO算法，DPO训练无需在线采样生成回答的核心原因是什么，标准DPO训练的数据格式包含哪些内容？17.高并发场景下同时调用10个不同Embedding接口，asyncio.gather相较于多线程方案在系统资源消耗层面具备哪些具体优势？18.请手写代码实现合并K个升序链表的算法题解法。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 实习拷打2. 调用openai的接口，背后协议是怎样的一个workflow3. 项目拷打4. code: n个人站成一排，从左到右编号1-n，每次随机淘汰一个奇数位置上的人，淘汰完之后右边的人左移，（淘汰49之后，50变49，51变50），99轮之后，只剩的最后一个人获胜，问: 假如你参加这个游戏，站在哪个位置可以让你的赢面最大5. 模型基座怎么训的了解吗6. 场景题: 根据名字预测性别，方案和需要的数据量7. 讲一下ppo，dpo，grpo，以及rl到底在优化什么东西8. 讲一下持续学习的概念吧，业界持续学习大概有哪几种方法9. 讲解一下这篇论文

1.你如何使用ai coding的，怎么保证能按照你的要求完成代码2.设计一个游戏智能客服，整机架构3.意图识别小模型如何训练，数据集怎么构造4.什么时候采用单agent，什么时候采用多agent，原因5.如何打通agent对多平台数据源的访问6.如果用户在同一个对话中每一句都是独立问题，如何进行上下文管理7.设计一个游戏助手agent，记忆系统怎么设计8.设计一个自动挂机agent，与传统挂机脚本有什么优势9.如何定义游戏角色状态------后续约hr面

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.RAG的核心流程2.向量嵌入模型的选型3.多模态和文本在向量嵌入的时候存在什么区别4.Agent的核心组件5.Agent框架，应用场景6.大模型训练的过程7.Agent场景题（开发SQL查询 Agent），怎么设计，存在的问题，怎么解决8.AI coding场景题9.最近有没有压力特别大的事情，怎么解决的10.自我评价一下自己有哪些不足无手撕，无AI coding