阿里淘天AI Agent二面面经分享

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...

给我面没招了，发点面经攒攒人品～1* 详细讲讲你设计的 Agent 是如何实现的？在“推理-行动”循环中，如何设计来纠正逻辑塌缩或无效工具调用？2*MCP与传统 Agent Skills 的区别是什么？如何实现在多智能体环境中动态发现并注册跨协议工具？3* 在电商或导购场景下，用户的请求往往高度模糊，Agent 怎么来精准理解这种需求？4* 如何设计一套“主动澄清”决策逻辑？在什么情况下 Agent 应该反问用户，什么情况下应该结合历史画像强行推断？5* 针对包含 3 个以上工具调用且高频请求的任务，通过什么方式可以压低系统整体的端到端延迟？6* 如何衡量 Agent 的 Planning 能力 vs Hallucination Rate？请列举具体的量化评估指标或自动化评估框架。7* 在多 Agent 协作系统中，不同 Agent 之间的记忆如何实现隔离与共享？如何避免不同工具间的上下文污染？8* Token 过长导致的 Attention 稀释现象为什么会导致 Agent 的指令遵循能力下降？9* 摘要总结往往会丢失关键细节，在长文本 Agent中一般怎么来处理这一块10* 当候选工具超过 100 个时，如何设计路由策略？怎么解决检索过程中的召回偏差？11* 在 Agent 多轮对话任务中，标准 Attention 机制的平方复杂度在工程落地上主要引发了哪些问题？12* 目前有哪些机制可以缓解模型在长上下文对话里的“信息遗忘”现象？当对话论数很多，上下文窗口不够的时候，有哪里处理的策略13* 为什么在复杂的 Agent 闭环场景中，仅靠 RAG 无法彻底解决幻觉问题？14* 面对模型在 Agent 执行过程中出现的循环调用”或陷入思维死循环问题，有哪些解决方式？15* GraphRAG 在处理 Agent 复杂关联查询时的优势在哪里？16* 任务执行远大于单次 Token 限制时，如何设计以支持断点继续生成？17* 设计一个智能导购助手 Agent？描述其感知、规划、记忆和执行四大模块在分布式架构下的协同逻辑。18* 手撕算法： 给定一个正整数 n（如 23121和一组不重复的数字集合 a（如 \{2,4,9\}），求使用 a 中数字组成的、小于 n 的最大整数。要求考虑贪心回退逻辑，处理所有边界情况。

🕐面试时间：60min❓面试问题：最汗流浃背的一集，面试官让屏幕共享现场展示vibe coding拷打实习，具体用higress实现了什么功能，为什么要把ingress替换成他，为什么用它，有没有用过其他什么插件为什么做权限要用到rbac，有没有其他的考量吗，比如abac什么的（其他的技术选型我都有做攻略，可没想到这个也有技术选型，唉，又不会）harness engineering听说过吗现在有个问题 ，一个agent有很多mcp工具可以选择，但是需求过来了以后，并没有匹配到我想要的那个mcp，怎么解决（我说让用户自己选择可能要调用的工具....）skills听说过吗mcp有哪些开发模式（s...

四次面试终成鹅孝子 😭