滴滴出行（Didi Chuxing）

用户策略产品问海外项目（洞察，动作，效果，挑战）1️⃣项目现状如何？调研细节怎么做？调研方式是什么？2️⃣这个功能对整体增长扮演什么角色？3️⃣不同国家市场需求差异是什么，方案差差异在哪？业务面（全英问答）🌟某国上线Max车型（6-8座），但供需不匹配。8人打车可能派来6座车，怎么从产品视角解决？

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.如何防止毁灭性遗忘2.大模型如果应用到具体场景3.现在大模型应用的主流范式4.常用的开源大模型5.一道数学题

今天是找实习的第五天，整体有意外也有收获，简单做个复盘。上午原本预约了搜狐的实习面试，可在面试开始前半小时，突然收到通知该岗位已经确定人选，面试直接取消，整个沟通流程比较仓促，体验感一般。下午重点参与了滴滴大模型 Agent 项目运营实习的面试，也和团队做了比较深入的沟通。该团队属于纯 AI 大模型算法方向，主要专注于算法应用落地，围绕人机协同、多智能体方向做优化，并不涉及大模型基座的研发工作。这个实习岗位没有转正名额，不过如果实习表现突出，能够获得团队内推机会。岗位比较看重候选人的责任心、数据敏感度，同时也要求具备主动学习能力，并且可以保证长期实习。日常工作主要负责大模型与 Agent 的运营测评、协助推进技术落地业务，还会辅助组织技术分享会，也有机会旁听学习。面试沟通整体很流畅，也能感受到这个岗位的竞争较为激烈，后续有较大概率进入下一流程。在和面试官交流的过程中，也清晰了自身在团队中的定位：作为衔接技术与业务的大模型落地数据运营角色，同时承担团队基础支撑工作。最后也整理了本次面试收获的核心知识点：1.多智能体：通过多个智能体分工配合，完成复杂任务，是当下大模型重要的应用方向2.人机协同：通过人工介入优化模型效果，让模型从基础可用走向优质好用3.工具调用准确率：评判大模型实际应用价值的关键衡量标准4.端到端：大模型实现从输入到输出的全流程自主处理，未来还可自主生成运营策略5.大模型基座：大模型的底层基础模型，该团队不负责底层研发相关工作

1. 自我介绍2. 拷打实习3. 手撕：两个线程交替打印从0到10后续已OC