小米秋招agent算法一面

一、手撕
题目：给定一个字符串 s 和一个整数 k，每隔 k 个字符反转一次，返回最终字符串。
简单很快就写出来了

二、八股
1.自注意力机制是什么？计算复杂度怎么算？
吟唱: 通过query-key相似度计算权重，对value加权求和，建模长距离依赖。O(n平方)n为序列长度。

2.KV-Cache的如何加速推理？
继续吟唱：生成时缓存已经计算过的kv，避免重复计算。

3.LoRA的原理是什么？与P-Tuning、Adapter的异同点？LoRA的参数选择对模型性能有何影响？
三连吟唱：原理是冻结原始权重，训练低秩矩阵参数。异同在于lora训练参数，p-tuning只优化了prompt嵌入。

4.介绍下RLHF的基本流程，与DPO的差异是什么？
主动吟唱：RLHF三段式，sft用高质量数据集微调，rm训练对比学习模型用于打分，ppo通过rl泛化增强。dpo直接优化偏好数据，省去rm和ppo。

5.分布式训练中的TP、PP、DP分别是什么？
TP按tensor维度拆分,PP按网络层数分段流水线执行，DP数据并行，复制模型副本分散计算

6.flash-attention的原理是什么？
这里回答没太好，只讲了通过内存层次结构什么的减少I/O瓶颈

7.DeepSeek的MoA架构与MoE有何区别？
moe通过门控机制选择专家子网络，参数规模增加但训练难度大。moa则用多个agent回答，通过数据迭代优化，缓解偏科。

8.如何处理数据不均衡问题？
上采样小样本，课程学习

三、项目与实习
1.agent实习主要负责哪些模块？
动作规划，memory经验，evaluation pipeline，后训练，很多模块都参与了，面试官也挺震惊哈哈。这里聊比较多就不po了。
2.记忆系统如何实现视觉-语言特征对齐？
clip映射到联合embbeding上
3.如果视觉模块误判，如何通过语言纠错？
检测矛盾关键字，通过反馈触发重试。
4.具体讲讲怎么构建evaluation pipeline的?
做了数据爬取，版本控制，llm打分