虾皮LLM应用平台后端开发一面冷经

时间线： 8.30 一面9.5 二面9.9 三面9.10 HR电话简单聊了下感觉猿辅导的进度还挺快的，国庆一过完发了意向，前面三轮技术面的很多细节有些记不清楚了，总结下来主要有以下吧：agent与react这两种范式的有什么区别？什么时候该用谁？RAG怎么构建索引的？上下文超出模型分析窗口怎么办？长短期记忆怎么构建的？如何解决模型幻觉问题？大模型的底层了解多少？logprobs怎么用？langchain使用过程中遇到过哪些坑？如何构建agent的评测系统？对agent进行准召率的计算口径怎么设置的？用llm作为评估器的话，这种用概率模型评估概率模型，怎么确保评测的可靠性和稳定性？提示词调优有什么优化思路？手撕已经忘记了，反正都是leetcode上面的原题。

首先是我死死的挂了，坐等感谢信，大家后面放心看题问的非常简单，面试官人也非常好，但本人太菜了（你看我面试回答和表现就知道了捏），感觉非常可惜啊，基础微信部门问的非常基础，没有像学长们的面试那么硬核那么刁难，可能是线下面加我是来面实习的吧。原本准备十一月左右准备的差不多再去投大厂试试的，没想到腾讯今年竟然来我们学校做校招了，抱着试试的心态投了下简历结果竟然约面了，吓得我今天上班一直看面经把活全推了，下午四点多就跑了去面试。虽然答的不怎么样但面试官最后给我的指导以及我本人对面试的理解有了极大帮助，果然只有多面才能有经验，懂和做是两码事... ！欢迎大佬在下面吐槽，对我答的问题纠正或补充废话到此为止...

一面 1.Bert原理2.LLM中常用的激活函数有什么3.Attention有哪几种位置编码有哪几种4.有个圆的半径是1计算圆内任意一个点到圆心的距离的均值5.每包干脆面里有一张英雄卡 已知英雄卡共有108种，平均买多少包干脆面可以集齐所有卡手撕:课程表二面1.为什么现在mlp的激活函数都用relu 为什么不用sigmoid/Tanh ?2.怎么能把序关系学得更好3.AUC 、回归类AUC 物理含义和计算方式4.Loss乘10和学习率乘10之间有什么区别5.Prenorm和postnorm是什么区别手撕:最长有效括号三面1.如何在加入特征以前就判断特征的加入是否会提效2.两个重复的特征输入给模型会比只输入一个好么从数学角度具体分析3.样本类别的不均衡会导致模型学不好少数类样本要怎么去解决呢4.你的模型最重要的特征是什么 你怎么分析出来的

自学学了几个月前端，实习了两个月，家里人突然给我说给我找了个AI岗位的实习，具体方向去了再说。AI目前就在大学学过LLM这门课，会和传统开发区别很大吗？我个人更偏向于AI。有没有AI方向的佬给点建议，马上要去了。