荔枝科技 AI应用研发 三面 技术面

📍面试公司：华为🕐面试时间：2026.1.20💻面试岗位：AI应用工程师❓面试问题：主要问了一些比较基础的问题，比如解释一下transformer的原理，一个7B的模型，用BF16精度需要多少显存？还有可能有什么显存开销？存放在哪里？然后后面就是手撕代码环节，这部分出的题不是很难，就是求给定一个数K，和一个列表，对列表里的数进行+K或者-K的操作，求其最小的极差。🙌面试感想：第一次面试大厂，太紧张了，简单的问题也没有答上来很多，感觉问的八股特别细。后面代码题没有做出来直接凉凉。面试官挺好的，一直在引导，但是自己题刷得太少了，整体难度不是很高，还是刷题问题。后续问了HR，说挂了基本上都告...

“如果想要去ai相关的岗位实习，需要先学习什么内容，可以给个学习路线吗（比如先要学习什么做基础然后学到什么程度之类）。”这是很多同学想了解的问题,我浅谈一下自己的学习路线，仅供参考。阶段一：打好地基 🧱Python编程：重点掌握核心语法、数据结构和面向对象（OOP）思想。目标：能熟练使用Python解决问题，至少刷完LeetCode简单和中等难度的题目。数学基础：理解高数、线性代数、概率论的核心思想。目标：不要求背公式，但要懂原理。阶段二：迈入核心 🧠机器学习基础：学习监督/无监督学习、分类、回归等经典理论。目标：熟练掌握NumPy、Pandas、Scikit-learn这“三件套”，能独立完成一个简单项目深度学习入门：理解神经网络（NN）、CNN、RNN等核心概念。目标：推荐PyTorch框架，并能搭建一些小项目。阶段三：垂直深耕 🚀针对心仪岗位（以AI Agent为例）针对学习，了解相关岗位需求大语言模型 (LLM) 基础：核心是理解Transformer模型原理并学会如何调用GPT等大模型的API。Prompt Engineering：学习如何写出高质量的提示词，让LLM精准理解你的意图Agent开发框架：重点学习LangChain或LlamaIndex。目标：能用框架调用LLM、连接外部知识库或工具，并搭建一个简单的应用阶段四：动手实践 💻项目是简历的敲门砖！ 可以利用前几个阶段学习的内容写一个小项目，将代码上传到GitHub，并写一份清晰的README文档，可以成为你面试时的Demo。可能很多时候一开始摸着石头过河会有点迷茫，但最重要的是一定要多动手、多实践

1. 深入聊聊你的项目，从架构设计到技术选型的考虑 (30min)项目背景和规模：我负责的抽奖系统是为电商平台设计的营销工具，主要用于节日促销、新品推广等场景。系统上线后日均抽奖10万次，高峰期每秒1500次请求。注册用户50万，活跃用户5万左右。架构演进过程：最初是单体架构，所有功能在一个项目中。随着业务增长，出现了性能瓶颈和维护困难。我们进行了微服务改造，拆分为用户服务、活动服务、抽奖服务、奖品服务四个核心服务。用户服务负责用户认证、权限管理、用户信息维护。活动服务负责活动的创建、配置、状态管理。抽奖服务是核心，负责抽奖逻辑、概率计算、库存扣减。奖品服务负责奖品管理、发放、物流对接。技术选...

给我面没招了，强度也太大了....1.实习拷打2.项目拷打3.处理查询文档里的异构数据(如图片)时，具体的处理流程是什么?解析成纯文字后如何进一步加工?这样只返回文字给用户，图片信息不会丢失吗?4.你们是通过人工打标建立图片和文本的对应关系吗?文档量很大的情况下，打标工作能完成吗?5.如何保证大部分图片异构数据解析后回答的正确性?若回答错误，怎么识别问题?后续要验证回答准确性，你有什么方案?6.用于评测的另一个大模型，如何构造问题、分析文字并进行对比?这个大模型的正确率以及模型自我一致性怎么确定?7.你们的模型基于哪些异构图像做增强?模型会不会产生幻觉，生成文档外的内容?8.若用户的问题不在文档里，你们会怎么处理?是调用其他模型吗?大模型回答不了时，会提示用户补充问题吗?用户补充后仍无法解决该怎么办?模型如何判断何时需要让用户补充提问?9.你们有框架编排这些流程吗?用的是什么框架?10.怎么理解检索召回率?这些指标具体包含哪些评价项?什么是忠实度?召回率的分子分母是怎么定义的?11.你之前那段实习的具体工作内容是什么?针对设备故障叙述报告这类复杂文本，模型如何理解?是做了相关检测吗?大模型是怎么实现术语解释的?12.请讲一下LoRA技术，除了减少参数量，它还有什么优点?你做的LoRA相关工作，后续有落地应用吗?13.你写代码主要用Python吗?会不会用Java?了解Java的多线程、双亲委派模型以及消息中间件吗?有没有做过Java相关项目?14.你用过LangChain吗?如何用它解决大模型的幻觉问题?若不熟悉LangChain，还能通过什么方法做AI能力增强?