4.28 字节 AI数据技术一面

一、项目深挖（医疗大模型训练）
评测指标追问

Badcase分析

看过badcase吗？你觉得还有哪些地方可以进一步优化？
（考察：数据与评测目标对齐、通用数据配比、answer质量重写）

DPO数据构建细节

DPO数据是自己构建的吗？怎么做的？
有没有考虑过用其他RL方式？为什么选DPO而不是RLHF？

二、Agent概念理解

Agent和LLM的区别是什么？怎么定义一个Agent？
如果让你做Agent能力的评测，你觉得哪些维度比较重要？
除了人工判断，怎么设计自动化评估方案？

三、Skills vs System Prompt

Skills和System Prompt的区别是什么？
如果把Skills内容全部展开，它是不是就等于一个很长的System Prompt？

四、Agentic RL训练数据设计（重点，答得不好）

如果让你做Agent方向的后训练，SFT数据怎么设计？RL数据怎么设计？
SFT做到什么程度可以开始做RL？
追问（答得卡住）：Function Call这类偏封闭式的任务，入参/格式都有标准答案，为什么不直接用rule-based奖励信号做RL，而要训一个Reward Model？