华为主管面

其实这个面试过程很难写，但是我觉得从这次面试中我学到了很多。我之所以说难写，是因为在一面几乎没有八股文相关的考察，而是更侧重于和我探讨一个他们工作场景上一个工作流程的实现。我认为设计一个场景确实比背诵什么rag，langgraph要难得多。问了关于我的项目，他们都是为了解决什么问题？然后我为什么用这个结构(rag，langgraph)？如果让我优化，你认为还有哪些可以优化的点。二面在一个小时候得到确认第二天二面是主管面，主管问的问题还算比较常规，问了一丁点大模型相关八股，然后就是正常的问简历，问技能，然后问场景，最后是问薪资之类的。我的局促反应和比较单薄的简历这次没有支撑我走下去。我谈谈我从这次面试中学到了哪些经验首先，JD未必是最关键的，因为大模型领域的技能和框架就那么些，几乎所有岗位的应用岗JD都大同小异。我认为比较重要的是这个岗位所在的公司，或者说所在的部门。我做的关于新闻验证的agent几乎被很多中小公司拒了个遍，但是莫名其妙的快速得到字节的面试(虽然并不算特别好的岗位)，可能就是因为业务上的对口。由此引申我的第二点灵感，就是对简历的工程化解耦。其实就是看菜下碟。可以多观察热门的，需求多的岗位都是在哪些部门的，这些部门需要ai来帮他们干什么任务，我能不能设计一个这样的项目来帮助他们。设计好基本的项目框架就可以去拿dify试试效果，然后丰富架构，再去作为自己的一个储备，然后组合出多种匹配特定岗位的大模型项目。第三应该就是我太没自信了吧，我讲话有点畏畏缩缩的，然后讲得还有点慢。希望我能改改。

一面： 1. 自我介绍，讲论文和实习。2. Transformer自注意力机制、位置编码、梯度消失/爆炸的解决方案。3. 微调方法对比（Full Fine-tuning vs. LoRA/Adapter/P-Tuning）。4. 推理加速技术（量化、动态批处理、FlashAttention）。5. 如何优化大模型在长文本生成中的显存占用？6. RLHF中奖励模型（RM）的训练数据如何构建？7. 为网易云音乐设计一个AI歌词生成系统，如何提升创意性和押韵效果？8. 模型剪枝/量化（GPTQ、AWQ）、服务化框架（FastAPI+vLLM）。9. 如何解决大模型API服务的响应延迟问题？一面八股挺多的，问的知识点也非常多，主要考察对大模型的理解，整体来说难度不算大，复习熟记八股应该都比较好答。二面：1. 自我介绍，讲论文和实习。2. LayerNorm和BatchNorm在大模型中的区别？为什么Transformer用LayerNorm？3. 解释大模型训练中的“灾难性遗忘”现象及解决方法。4. 如果微调后的模型过拟合，你会如何调整？5. 如何评估一个对话系统的生成质量？6. 如何用大模型提升网易新闻的推荐效率？7. 设计一个游戏内AI陪玩系统，需考虑哪些模块？8. 领域适配时，如何构建高质量的垂域训练集？9. 你在项目中如何解决数据稀缺问题？10. 模型上线后遇到了什么性能瓶颈？如何优化的？建议：精读《Attention Is All You Need》、HuggingFace文档。如果没有大模型项目，可用Kaggle/开源项目复现（如LangChain应用）。

不知道还需不需要再去补一个项目，总感觉现在做的东西有一点单薄，目前腾讯和网易都在泡池子，字节客户端在等面试结果。

攒攒人品！！1.项目拷打2.什么是AIAgent?它和传统的LLM应用(如ChatGPT)有什么区别?3.解释一下RAG(检索增强生成)的工作流程。4.你在项目中是如何解决LLM"幻觉"问题的?5.你用过哪些AlAgent开发框架(如LangChain、LangGraph)?请对比它们的优缺点。6什么是Function Calling(工具调用)?在LangChain中如何实现?7.如何设计一个支持多轮对话的Agent?8记忆机制是如何存储和管理的?9.解释一下ReAct(Reasoning +Acting)框架的原理。10.在RAG系统中，如何优化检索的准确率?(提示:重排序Rerank、HyDE等)11.手写算法:实现一个简单的文本相似度计算函数(如余弦相似度)。