中兴agent开发日常实习一面

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...

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.实习拷打2.拷打第一个项目：项目里如何解决图文模态对齐问题？如果图纸在文本中没有描述，模型如何通过视觉特征召回？Milvus中使用了哪种索引算法？针对术语的语义偏移，除了混合检索，有没有试过对Embedding模型进行微调或使用Adapter？3.拷打第二个项目：如果外部测评工具返回的原始数据格式与LLM预期不符，如何实现自动化映射？当向量库检索出的长期画像与当前会话状态有冲突时，你的系统如何应对？如何防止模型回复过度依赖检索内容而变得生硬，影响共情？4.相比于CoT，ReAct在模型与外部环境交互时解决了什么问题？5.讲一下大模型进行Function Call的具体流程？如何将语义转化为结构化参数的？6.在开发中，你怎么判断任务该用Workflow还是自主决策的Agent？7.讲一下Agent的长短期记忆，在长对话中如何实现上下文的动态压缩和遗忘？8.在Agent系统中，RAG检索到的外部知识是如何喂给模型并防止干扰的？9.什么是Rerank？在检索链路中它对Agent的决策准确性有什么影响？10.当单Agent面对长任务时，引入Multi Agent的优势是什么？11.Multi Agent中，Router节点是如何决定任务该分发给哪个子Agent的？12.什么是Human-in-the-loop？在Agent系统中如何设计人工审批断点？13.如何量化评估一个Agent系统的好坏？14.除了生成质量，还应该关注哪些维度的指标？15.对于Agent多步推理带来的延迟问题，有哪些优化方法？16.随着大模型上下文窗口的扩大，你认为RAG会被完全取代吗？

字节跳动，某 AI 平台组二面。面试官给了一个真实场景：客服系统每天处理上万条工单，团队想用 AI 接管一部分。候选人答了十分钟，核心观点是"agent 更智能，应该直接上 agent"。面试官追了一句："你的 agent 调试周期是多久？如果工单处理延迟翻倍，业务能接受吗？"  这道题看似在问技术选型，实际在考判断力：你有没有能力在"能做"和"该做"之间划线。  二、大多数人怎么答的 最常见的回答是："这个任务有多个步骤，需要调 API、查数据库、做判断，肯定得用 agent。" 问题出在一个...

暑期实习和日常实习在秋招时含金量差别大吗？好像很多人都执着于找暑期。在我理解中暑期只是多了转正机会吧，如果不能转正，对于秋招来说含金量应该差不多？还是我理解错了？