大模型应用面经

1.langchain的主要在这个chain 怎么理解这个chain
2.提示词怎么设计的如何设计
3.rag怎么构建的
4.模型微调qwen2.5-3B 用llamafacotry 怎么做的
（直接说了用ui调难绷）
5.mcp mcp是什么
6.工具调用失败怎么办我说了个设置保底策略
7.想要按照结构输出怎么办？我直接说了按提示词调不行的话再结构化输出
8.多agent协作如何做设置工作流这个不太懂

全部评论

推荐最新楼层

Magic23

清华附中国际学校（THIS） Java

链怎么设计

点赞回复分享

发布于 01-04 17:23 北京

一个路过的offer收割机

华中科技大学算法工程师

UI，确实很难崩

点赞回复分享

发布于 2025-12-29 14:09 湖北

2025-12-23 15:28

门头沟学院算法工程师

攒人品：小米大模型算法面经

flash attention解释下gqa解释下怎么才能训练好一个sft过程？sft的loss计算是用什么计算的？lora原理lora参数权重初始化lora的r和缩放参数dpo的lossdpo数据集怎么构造比较好？如果dpo训练过程中，accept回答和reject回答的loss都在升高，怎么办？假如说dpo效果不好，怎么解决？多轮对话一般要怎么训练？rag的流程？检索时，只用关键字匹配会存在问题，怎么具体解决？（没有上下文语义信息）给定一个网页，如何提取其中的关键信息

查看15道真题和解析

点赞评论收藏

2025-12-17 12:15

昆明理工大学算法工程师

百度大模型一面-秋招面经

1、实习介绍2、聊项目3、ppo dpo grpo区别4、reward获取方式分别是什么5、rag怎么解决模型幻觉6、为什么做nlp7、clip训练方式？temperture的作用8、算法题：三数之和9、反问(做文心一言coder模型预训练的)

查看7道真题和解析

点赞评论收藏

2025-12-30 23:37

中南大学 Java

选择后端开发还是大模型应用开发？根本不用二选一！

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...

等闲_：业务开发就是prompt+数据，Ai就是中间件，中台或者鸡架会做一些Agentic infra和智能体记忆之类的，再底层一点就是AI infra，MLops，模型微调，推理优化之类的了，所以对于普通后端就是纯业务，没啥技术含量，除非去技术架构组或者底层一点的组，要不AI就是个API，别神话AI应用开发