面试反问要问什么

求助！每次面试最后"你有什么问题吗"，我都只会说"没有了谢谢"，感觉错过了很多加分机会！求大佬们分享一些高质量反问问题清单！目前收集到的：这个岗位的团队目前最大的挑战是什么？如果有幸入职，我前三个月的重点工作是什么？团队的技术栈/工具链是怎样的？这个岗位的晋升路径是怎样的？您认为在这个岗位上做得优秀的人具备什么特质？还有没有更好的问题？救救社恐孩子！

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.说一下第一个项目的目标是什么，主要做了什么?3.为什么选择rrf混合检索，而不是简单的加权?4.这里用了hyde技术，原理是什么?为什么能提高语义匹配度?5.结构感知切分如何确定边界?如果换个格式的文档是不是会有问题?6.reranker和embedding模型在原理上有哪些区别?7.专属的高质量goldendataset是怎么构建的呢?忠实度的评测是基于什么?评测结果遇到过稳定性问题吗?8.为什么选择qwen2.5-7b这个大小?9.第二个项目小组有多少人?自己负责的内容是哪些?大概说一下项目具体做了什么?10.设计了边缘侧fallback降级引擎，它的一个处理逻辑是什么样的?比如云端大模型不能用的时候边缘侧该如何保证它的基本功能?11.语义识别的准确率是如何评估的?12.深度相机2d图像转3d坐标数据是怎么实现的?13.三维坐标到机械臂的动作映射是解析解还是数值解?机械臂的自由度大概是多少?14.硬件成本是如何计算的?有考虑过其他开销如人工，算力等吗?15.langchain框架和agent在设计理念上有什么区别?在什么场景你会选择哪一种?16.FAISS和其他的向量数据库相比他有哪些优点?一般你会选择哪一个?17.怎么看待rag和微调这两种方案，会倾向哪种?18.大模型更新迭代比较快，自己平常是怎么保持技术跟进的?最近有没有了解一些新技术?有没有自己折腾过?19.手撕leetcode103.二叉树的锯齿形层序遍历，时间复杂度是多少，空间复杂度是多少?如果换用dfs解法，复杂度分别又是多少?

不知道为什么阿里云笔试没开始就给我发了面试邀约，全程基本上就是拷打项目，问了问我对向量数据库的了解，基础知识是操作系统的线程和进程问题，数据库问了排序，手撕一道数组内字符串排序。反问环节聊了很多，面试官建议我把自己项目的底层知识再深挖一下感觉不用看结果就知道自己凉了

攒人品中，祝大家都能拿到满意的Offer！1*项目拷打2* 实习拷打3* KL 散度的数学意义是什么？在模型对齐（如 PPO/DPO）中起什么作用？4* MoE架构的具体实现原理是什么？路由（Router）是如何工作的？5* 面对模型在生成过程中出现循环、重复回答的问题，有哪些解决办法？6* BM25 算法的数学原理是什么？它相比于简单的 TF-IDF 有哪些改进？7* Agent 系统中的LangGraph是如何搭建的？其 Memory 组件的工作机制是怎样的？8* 如果单次生成的任务量远大于模型的 Max Tokens 限制，如何实现断点继续生成？9* Transformer 中 Attention 的本质是什么？请从数学角度解释。10* 为什么在计算 Attention 时需要进行Scaling11* Self-Attention 和 Cross-Attention 在作用和输入来源上有什么区别？12* 面对极长序列Attention 的 O(L^2) 复杂度问题目前有哪些主流解决方案？13* 在 Agent 多轮对话任务中，Attention 机制的局限性体现在哪些方面？14* 为什么模型在长上下文对话中容易出现“信息遗忘”？有哪些缓解机制？15* 介绍 SFT的流程，以及如何构建高质量、多样化的数据集？16* 在什么业务场景下，必须引入 RLHF 或 DPO 这种偏好对齐技术？17* MinerU 在解析复杂的工业文档（如图文混排）时，具体的处理逻辑是怎样的？18* 在多模态检索中，文本和图片是如何映射到同一个统一向量空间的？19* Ragas 评测框架中的 Faithfulness 和 Answer Relevance 指标的具体计算逻辑是什么？