菜鸟面试流程

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1️⃣切分策略（ chunk size / overlap ）怎么定的？拍脑袋还是实验出来的？2️⃣向量召回和关键词召回冲突时如何融合？3️⃣重排模型为什么这么选？延迟预算是多少？4️⃣你说线上提升2.1%，实验分桶方案是什么？5️⃣显著性怎么验证？样本量怎么算？6️⃣给一个你最失败的 bad case ，最后怎么定位的？7️⃣如果今天线上再次复现，你第一步看哪个监控？8️⃣SFT 数据如何清洗，怎么避免模板味太重？12) DPO 比 SFT 多解决了什么真实问题？9️⃣LoRA rank 为什么这么选？有没有做过 ablation ?1️⃣0️⃣QLoRA 稳定性问题你遇到过吗？如何兜底？1️⃣1️⃣手撕：括号生成，要求讲清楚剪枝逻辑。

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1. 实习拷打2. 你跟我讲一下多维度权限管理吧，具体是怎么做的？3. 你们设计这个权限是参考的什么产品？4. 那你再跟我讲一下你们做的MCP吧，你们做MCP核心解决什么问题？5. 你再跟我聊一下你在2xx的这段经历，你觉得在2xx这段经历中你印象最深刻的工作或者功能是什么？6. 你能跟我讲一下大模型和传统的领域模型之间的区别是什么吗？7. 那大模型的思考能力是怎么带来的？8. 你了解RAG吗？9. 那你跟我解释一下RAG的原理是什么？10. 那从用户输入query到AI返回结果中间都发生了什么？11. 你了解基于大模型做微调吗？12. 如果有客户来提需求，你会怎么判断应该给RAG方案还是微调方案？13. 你平时自己会用什么样的AI产品？14. 你一般是什么场景用？

攒人品中，祝大家都能拿到满意的Offer！1*项目拷打2* 实习拷打3* KL 散度的数学意义是什么？在模型对齐（如 PPO/DPO）中起什么作用？4* MoE架构的具体实现原理是什么？路由（Router）是如何工作的？5* 面对模型在生成过程中出现循环、重复回答的问题，有哪些解决办法？6* BM25 算法的数学原理是什么？它相比于简单的 TF-IDF 有哪些改进？7* Agent 系统中的LangGraph是如何搭建的？其 Memory 组件的工作机制是怎样的？8* 如果单次生成的任务量远大于模型的 Max Tokens 限制，如何实现断点继续生成？9* Transformer 中 Attention 的本质是什么？请从数学角度解释。10* 为什么在计算 Attention 时需要进行Scaling11* Self-Attention 和 Cross-Attention 在作用和输入来源上有什么区别？12* 面对极长序列Attention 的 O(L^2) 复杂度问题目前有哪些主流解决方案？13* 在 Agent 多轮对话任务中，Attention 机制的局限性体现在哪些方面？14* 为什么模型在长上下文对话中容易出现“信息遗忘”？有哪些缓解机制？15* 介绍 SFT的流程，以及如何构建高质量、多样化的数据集？16* 在什么业务场景下，必须引入 RLHF 或 DPO 这种偏好对齐技术？17* MinerU 在解析复杂的工业文档（如图文混排）时，具体的处理逻辑是怎样的？18* 在多模态检索中，文本和图片是如何映射到同一个统一向量空间的？19* Ragas 评测框架中的 Faithfulness 和 Answer Relevance 指标的具体计算逻辑是什么？

1.用过什么AI工具，什么模型最好，好在哪2.用AI打代码占比多少3.如何确保AI生成代码的正确性4.介绍ReACT5.LLM返回的调用工具参数具体是什么，怎么写工具6.要是LLM选错了工具或者用错了调用参数怎么办，如何做兜底7.上下文如何管理，召回的文档过大怎么办8.LLM幻觉如何解决9.上一段实习AI开发的相关内容------无手撕，只问AI