AI 大模型是程序员技能第二曲线的优选赛道。聚焦模型微调、工程化部署与多模态应用开发

问题 1. 看一下你的 AI 基础。介绍一下 transformer 基本原理？解释一下注意力机制？解释一下什么是扩散模型？2. 讲一下你对 agent 和 Workflow 的理解3. 你知道 lovart 吗？你认为他是 agent 还是 Workflow？你怎么判断的？4. 目前这种产品二次编辑能力很差，让你来设计这个二次编辑功能你会怎么做？subject agent 的设计思维考察（意图、环境、function）5. 聊点业务上的，目前广告产品已经有很多工具能力，生成素材、投放等工具，目前我们有两个策略：A-all in one ，B 让做多个产品。你支持什么策略？为什么？6. 好在你的理解上，以广告素材生成为例，我们不只做工具，如何证明这个功能/产品的商业价值？工具生成的内容 reward 如何衡量？7. 好的，想象一个场景。我们希望打造一个产品，用户做广告不再是过去哪个先建广告组、做素材、定目标···而是交给 agent，用户只需要输入商品和基本信息，其他交给 agent 去做。那在这个过程中，main agent 发出指令，subject agent 执行。如果 subject agent 认为需要再做一个素材，这个过程应该如何流转？这个关系你会如何思考设计？（有点小难）8. 你未来的规划？你的职业方向？反问1. 针对最后一个问题（agent 之间的关系和流程），您是怎么思考的？反馈是一个发散性的问题，看大家对于 agent 的理解规划。主要再看 agent 的需求和环境变量的关系。面试官说如何去看待 main agent 和 subject agent 的专业程度和功能复杂度。2. 您提到的这个 all in one 的产品，是未来的发展目标吗？反馈聊到 agent 再整个商业界的定义，帮助我个人把对于产品的视角从「解决某个具体场景效果」到「解决整个数字商业广告的问题」再到「技术完成新的产业形态」3. 您希望找到什么样的人？

先说结论，ai的蓬勃发展对于秋招说来讲毫无疑问是绝佳的机会，从我的角度来看，建议有后端基础的可以全面拥抱ai应用开发岗。  本文从个人秋招视角出发，浅谈各岗位难度差异，以及ai浪潮下为什么要选择ai应用开发这个岗位(综合难度结合周围同学经历，评价较为主观)。 互联网行业的秋招主要分为以下几个大类: 算法岗(含ai infra) : 语言以python为主，毫无疑问的待遇天花板，门槛极高，学历非双九基本机会不大，综合难度5⭐； java后端开发岗：极卷，岗位多，人也多，ai面/笔试/2-3轮技术面，流程教程，难度较大，主要围绕八股及算法，双非有垂直大厂实习经验也有机会，但在横向比较时不占优势，综...

1.介绍下self-attention，计算其时间复杂度。2.为什么要用multi-head attention？3.PPO的clip机制？在线强化学习和离线强化学习有什么区别？RLHF是哪一种？4.为什么要用reference model? 为了解决什么问题？5.如何让多个agent协同工作的？举个具体的协同机制例子。6.如果一个agent误判导致策略冲突，如何处理？7.有没有用到类似AutoGen或LangChain的框架？为什么选这个框架？8.你是怎么设计agent的记忆系统？9.长期记忆如何存储？如果历史记录量非常大，怎么优化查询效率？10.你怎么处理响应速度与推理精度之间的tradeoff？是先召回再精排，还是单次生成？📳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。

感觉在牛客已经潜水好长时间了，我也看到有不少牛友想要投AI大模型产品岗位。正好，我作为业务面试官，可以跟大家一起复盘下前一阵部门的三轮面试流程。其实全程面试考察的重点，还是候选人的项目扎实程度、结构化思维和AI产品基础素养。第一轮面试：45分钟1、系统介绍一下你第一个AI实习项目这种宏观问题，建议使用STAR法则或者为什么做、怎么做、做完之后的效果三段论来回答。我不仅听故事，更通过你的叙述结构，评估你的结构化思维和项目全貌掌控力。2、sd项目中的提示词是如何编写的？我会遵循“角色定义-任务清晰-格式约束-示例引导”的原则。一个完整的提示词模板应是一个“工程系统”。3、提示词模板你会怎么来写？你...