刚开始就已经要碎掉

阿里：通义实验室 / 千问事业部（大模型基座 + 多模态）、AI Agent 优化岗（新增核心方向）理由：AI 岗占比超 80%，覆盖全技术链，实习转正率高，通义大模型落地场景丰富。腾讯：AI 工程架构 / 大模型应用（多业务线渗透）理由：技术扩招 36%，AI 场景覆盖社交、云、游戏，工程化能力突出。蚂蚁集团：AI 搜索 / 具身智能 / AI 安全理由：技术岗占 85%，70% 为 AI 岗，聚焦大模型与产业落地，生态资源独特。智谱 AI：大模型全流程研发（背靠清华 KEG 实验室）理由：GLM 模型口碑出圈，能参与数据清洗到 RLHF 全流程，技术氛围纯粹。百川智能：中文大模型优化（王小川领衔）理由：融资到位，中文场景落地能力强，兼顾技术打磨与商业化。深势科技：AI + 生物医药 / 材料（AI for Science 标杆）理由：细分赛道领跑，用 AI 加速科研，技术创新性强。

1. C++中深拷贝和浅拷贝的区别是什么？答案：浅拷贝只复制对象的成员变量值，如果成员是指针，只复制指针的地址。这会导致多个对象的指针指向同一块内存，当一个对象析构释放内存后，其他对象的指针就变成了悬空指针，再次访问会导致程序崩溃。深拷贝不仅复制成员变量的值，还会为指针成员重新分配内存并复制内容。每个对象拥有独立的内存空间，互不影响。实现深拷贝需要自定义拷贝构造函数和赋值运算符。什么时候必须使用深拷贝：类中包含指针成员、动态分配的资源（如文件句柄、网络连接）、需要管理资源生命周期的情况。根据C++的三五法则，如果需要自定义析构函数、拷贝构造函数、拷贝赋值运算符中的任何一个，通常需要自定义全部三...

1、自我介绍2、项目介绍3、介绍 NLP 中数据增强方式NLP 中常见的数据增强方式主要有同义词替换、随机插入、随机删除、随机交换、回译、模板扩写、噪声注入、对抗样本增强和基于大模型的数据改写。同义词替换是把句子中的部分词替换成语义相近的词；随机插入和删除适合做轻量扰动；随机交换适合增强模型对局部顺序变化的鲁棒性；回译是把句子翻译成另一种语言再翻回来，能够保留大意但改变表述；模板扩写适合分类和信息抽取任务；噪声注入比如加入错别字、空格、标点变化，适合提升鲁棒性；对抗样本增强更偏训练阶段优化；现在更常见的是让大模型做改写、扩写、同义表达生成。数据增强不能只追求数量，更重要的是标签一致性和语义不偏...

1. 你们线上大模型应用的整体架构是怎样的？常见架构就是这几层：用户请求先进入 API 网关，再到业务服务层。业务服务层负责鉴权、限流、Prompt 拼装、会话管理、工具编排。如果有知识库，就先走检索链路；如果要调外部能力，就走工具调用；最后把上下文交给大模型生成结果。生成结果出来后，再做内容过滤、格式化、日志落库、监控上报。核心链路一般是：用户请求 -> 业务编排 -> 检索/工具 -> 模型推理 -> 后处理 -> 返回结果2. 你们怎么做 Prompt 工程？Prompt 不是简单写一句提示词，而是模板化管理。常见做法是把 Prompt 拆成几部分：syst...