这个实习值得去吗？

大家大厂一面一般都是多久啊我才面了10多分钟（产品经理）是不是寄了😭😭

一、基础概念类说说你对 Agent 的理解，和传统 LLM 有什么区别？常见的 Agent 架构有哪些？ReAct、Reflexion、Plan-and-Solve 你用过哪些？Tool Calling 原理是什么？怎么保证工具调用稳定？RAG 和 Agent 怎么结合？各自适用什么场景？二、技术实现类你做过的 Agent 项目流程是怎样的？从 0 到 1 怎么搭建？如何做 Prompt 工程优化 Agent 的思考与执行？多轮对话中怎么维护状态、记忆和上下文？遇到模型拒绝执行、幻觉、工具调用失败怎么解决？有没有做过多 Agent 协作？任务如何拆分、调度？向量数据库怎么选？chunk 大小、...

岗位 1：抖音 AI 推荐策略产品实习生抖音生态团队，短视频推荐核心业务工作内容：推荐全链路白盒可解释性梳理（召回 / 粗排 / 精排 / 重排），将大模型应用到抖音整个推荐链路的分发中，并搭建一个推荐诊断平台。岗位 2：Seed 基座大模型训练产品实习生字节自研 Seed 大模型核心团队工作内容：深度参与大模型预训练 + SFT/RLHF 全对齐流程；数据全链路生产、数据质量分析、数据飞轮搭建模型评测、行业数据调研、输出数据分析决策报告lz bg：北航研一，之前的实习一直在搜广推策略产品赛道（百度MEG商业化广告策略、抖音生态推荐策略），最近还是想尝试一下ai相关的方向。（顺便可以请教一下发展方向吗？坚持/不坚持搜广推策略产品）（再发一次试试）

题目 什么是困惑度（Perplexity）？它如何评估语言模型性能？ 一、定义与公式 困惑度（Perplexity, PPL） 是语言模型在测试集上对“下一个 token 预测”的平均不确定程度的度量，等价于交叉熵的指数。 设测试序列为 （ 为 token 总数），模型给出 ，则：  其中  就是平均交叉熵（每个 token 的负对数似然的平均）。所以：PPL 越低 = 平均交叉熵越低 = 模型对真实下一个 token 给的概率越高 = 语言建模越好。 二、直观含义  PPL = 1：理想情况，模型对每个真实 token 都赋概率 1，即“完全不困惑”。 PPL 越大：模型越“困惑”，对真实 ...