阿里云agent应用算法秋招一面

一面：
1.请介绍一下Transformer的核心组件及其作用
2.介绍LLM Decoder-Only架构
3.你对SFT的理解是什么？与预训练相比有什么差异？
4.SFT冷启动时数据集构造需要注意哪些因素？为什么要做数据清洗与均衡采样？
5.介绍一下RAG的整体流程。在Agent落地场景中，RAG会遇到哪些延迟和正确率问题？你怎么优化召回链路？
6.在你的问答Agent项目中，数据集构造的自动化流程是怎么实现的？
7.你是如何利用多Agent协同来提高推理正确率的？调度策略如何实现？
8.你提到用DeepSpeed做SFT训练，请讲一下DeepSpeed ZeRO Stage 1-3的区别，以及什么时候用FSDP会更好？
9.你做Prompt优化时，是如何判断优化后的Prompt在Agent推理链路中性能提升的？用什么指标来衡量？
10.在多Agent系统中，如何保证异步任务执行的稳定性和结果一致性？
11.如果Agent推理API需要低延迟响应，你会从哪些方面做系统级优化？
代码题：lc34.在排序数组中查找元素的第一个和最后一个位置