蚂蚁 AI应用开发一面-暑期实习 1h

攒人品中！
问八股：
1.介绍一下transformer架构，它解决了rnn和cnn哪些无法解决的问题？
2.怎么理解词与词之间距离的概念？为什么大模型需要知道这个距离？
3.transformer的核心机制是什么？能不能用一个具体的例子串一遍里面所有概念？
4.你提到的QKV能不能具体讲一下？它的核心作用是什么？
5.模型层叠加之后会出现什么问题？我们要引入什么机制去解决这个问题？
6.传统的残差机制会有什么问题？现在业界有没有提出一些新的解决方案？
7.现在业界有很多先进的大模型，有些是7b，有些是325b，这个b的概念是什么？我们在做模型选择的时候怎么选？
8.对于不同的细分领域，能不能讲一下你对现有的模型厂商他们参数量选型的了解？
9.现在给你一个场景，比如说我们做ai coding，你会怎么去选择参数量？
10.对话型模型和推理型模型之间的区别是什么？分别适用于什么样的场景？
11.简要的介绍一下engine、sub engine、skill、mcp这几个概念，他们的用途是什么？在代码开发过程中分别用来解决什么问题？
12.在开发过程中，多轮迭代会话后工程越来越难以维护，你有没有什么好的建议？
13.对于上下文工程的最佳实践，常用到的一些技术或者解决方案都有哪些？
14.目前这个体系还很复杂，有没有现成的东西来辅助我？有没有了解现在开源社区很火的一些解决方案？
问实习：
15.聊一下实习期间你遇到最困难的一件事，这件事你是怎么解决的？得到了一个什么样的效果或结果？
16.为什么你会选择lsp这个方案？你是怎么找到和评估这个方案的？
17.如果说进一步提升的话，你觉得还有什么方向可以改进？让你现在再做一遍的话你是否会选择重新设计？
无手撕