大模型面经｜阿里一面

全程问项目(rag)1.为什么做这个项目2.rag整个流程3.混合检索(全文索引和向量索引)4.pdf中文分块的实现5.你认为还有哪些不足没有八股手撕  询问了很多七七八八的(还问了平常玩什么游戏)  后续很快发了offer

继续来分享下之前的面经~强度好大，俺不中咧。。。。1.实习中多智能体系统包含几个智能体？它们之间如何交互？2.意图识别模型需要识别多少个意图？3.750B 模型用于什么场景？4.实习中 Qwen3VL 模型是多少 B 的？用于什么场景？5.在实习中，你主要的贡献是什么？6.检索环节做了哪些优化？7.答案生成环节做了哪些优化？8.是否做了 SFT 或强化学习相关工作？在哪个环节做的？9.SFT 过程中是否对类别标签做了清洗或修正？10.强化学习的样本量是多少？11.基础模型经常分类分不准的案例有哪些？12.在校项目中，为什么用对话数据来增强数据集？13.在校项目任务的输出可以简单描述并举例吗？14.单智能体能否完成在校项目相关工作？为什么要使用多智能体？15.LangGraph 相对其他开源智能体编排工具的优点是什么？16.在现有场景中是否需要用到 LangGraph 的状态管理功能？17.如何理解 Long-term Memory 的实现方式？18.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法？19.Context Window 能否储存大量电商交互信息？如何解决存储问题？20.推理时若将大量 Memory 以 Token 形式给到大模型，Token 长度过长该如何处理？21.强化学习有哪些常用技巧？22.若通过 SFT 进一步提升模型准确率，常用的手段有哪些？23.SFT 的理想数据量是多少？如何确定？24.SFT 数据分布一般怎么取？为什么选择该分布而非其他分布？

发一下问题给大家参考，攒攒人品！一、项目经验1. AI项目深挖2. 技术细节考察1- 解释大模型核心概念（如LLM原理、Diffusion模型、RAG技术）。2- 微调 vs. 提示词工程：如何选择？LoRA微调的优势是什么？。3- 如何处理大模型的“幻觉”问题？列举3种优化策略。二、AI产品思维1. 场景落地能力- 设计一款AI+场景的产品（如腾讯云智能社区），说明用户痛点、功能优先级及商业模式。- AIGC在金融/教育等垂直领域的应用案例？如何解决行业痛点？。2. 需求与迭代- 如何将用户反馈转化为AI产品需求？举例说明。- 需求优先级排序方法（KANO模型/四象限法则），并举例说明。三、产品设计能力1. 竞品与用户体验- 对比国内大模型产品（如Kimi、DeepSeek、通义千问）的定位差异和优劣势。- 分析一款AI工具（如Cursor、通义听悟）的成功因素，并提出优化建议。2. 设计逻辑- 非目标用户如何设计产品？

发一下问题给大家参考，攒攒人品！1.实习经历项目2.Python列表与生成器区别3.两个张量 一个为1*2*3，一个为3*2*1 二者能进行哪些操作4.8B大模型用int8量化会占用多少硬盘内存5.如何让大模型能够实现128K的上下文6.后训练中强化学习方法介绍