纯后端简历被约大模型算法面试

给我面没招了，发点面经攒攒人品～1.实习拷打2.检索环节做了哪些优化？在检索优化过程中，你是如何进行数据预处理的？有没有使用特定的检索算法？3.答案生成环节做了哪些优化？你是如何在答案生成环节控制生成质量的？有没有引入外部知识源或增强模型能力？4.是否做了 SFT 或强化学习相关工作？在哪个环节做的？你在 SFT 或强化学习中，如何设定奖励函数？是否有定期调整策略？5.SFT 过程中是否对类别标签做了清洗或修正？标签清洗具体是怎么操作的？对性能的提升有多大帮助？6.强化学习的样本量是多少？在强化学习训练中，样本量的选择是否影响到模型的收敛速度？如果有，如何应对？7.基础模型经常分类分不准的案例有哪些？你在模型分类不准的情况下，采取了哪些调整？是通过数据增强还是算法改进？8.在校项目任务的输出可以简单描述并举例吗？任务输出的质量如何评估？有没有一个量化的标准？9.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？多智能体系统与单智能体系统相比，是否有提升项目效率的作用？举个例子说明。

基础得先打牢。LLM的基本原理要懂，不需要能训练模型，但得知道prompt怎么写、上下文窗口是怎么回事、为什么模型会幻觉。这些是地基，地基不稳上面全是空中楼阁。然后是框架。LangChain和LlamaIndex是目前用得最多的，几乎每个Agent项目都绕不开。但别只会调API，得理解它们的设计思路，比如chain是怎么串联的、memory是怎么管理的、tool calling是怎么实现的。RAG是必学项。Agent大量依赖外部知识库，向量数据库至少要会用一个，embedding是怎么回事要清楚，检索策略怎么优化要有概念。工程能力别忽视。Agent本质上还是个软件系统，API设计、异步处理、错...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.为什么强化学习用的是Grpo，没有用DPo测试？如果要改进的话有什么想法？3.有没有遇到上线后过拟合的情况？4.蒸馏部署的合规率怎么算的，离线的吗？5.在推荐场景下，有了sid之后怎么构造样本，然后以及怎么去训练。推荐系统和大模型结合，能基于目前的东西做什么改进？两个力扣：1.数组top k2.数组中出现两次的数

网友提问：yt哥你好，目前重邮大二。先前呢是跟着学院宣传的路线去打机器/深度学习算法竞赛，但是发现自己打着很累也仅仅只是增加了经验没拿奖。寒假的时候找了个就业辅导，建议我大二下找个日常实习。目前是根据之前的比赛赛题做了两个agent系统项目（llm和多模态各一个）。简历投出去以后，一个初创的小厂给了全栈开发的offer。后面面了一个头部车企，别人因为要研究生所以没发offer，但是建议我现在不要去小厂实习，把基础知识打好不要耽误读研（我还没上408的课）后面也收到了字节约面我的问题是：1：我本人是想读研的，如果是这样的话大二下到大三上这个空档期应该干什么2：我是应该继续走算法路线，还是说转ag...