阿里云一面kpi

这个之前写过一篇了，再补充几个秋招被问到的："你在工作中用过哪些AI工具？" — 这个几乎每家都问，一定要提前准备好"AI生成的测试用例你怎么评估质量？" — 考察你有没有真的用过，不是嘴上说说"如果AI给了错误的建议你怎么办？" — 结合真实经历说最好"你觉得AI会取代测试工程师吗？" — 这是开放题，但千万别说"不会"就完了，要说出你的思考"用过哪些AI大模型平台？体验如何？" — ChatGPT、文心一言、通义千问，至少用过两三个我的经验是：面试官不期望你是AI专家，但他们想看到你有AI思维，愿意拥抱变化

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...

继续来分享下之前的面经~欢迎友好讨论，信息共享1.React的Fiber架构解决了什么问题?在AI长文本渲染中有什么优势?2.在处理AI流式输出(Streaming)时，前端如何优雅地处理Markdown渲染?3.谈谈WebWorker在AI前端应用中的使用场景。4.如何实现一个高性能的AI对话历史列表(虚拟滚动)?5.什么是RAG(检索增强生成)?前端在RAG流程中可以做哪些优化?6.你们项目里是如何处理Prompt模板管理的?前端如何辅助用户写出更好的Prompt?7.谈谈前端监控在AI平台中的特殊性，你会关注哪些指标?8.如果让你设计一个AI组件库，你会如何考虑它的通用性和扩展性?

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