蚂蚁金服

发点面经攒攒人品～1.实习拷打2.Agent范式了解哪些？3.项目评测是怎么反过来影响训练的？4.选型怎么选的？5.项目上线了吗？6.项目的输出具体是什么？7.项目的评价指标是什么？

1. 介绍下你实习学了什么 做过什么项目,为什么离职的2. MoE 为什么能在参数量很大的情况下还能把训练和推理成本压住，真正难点在哪MoE 的关键不是“参数变多了”，而是“每个 token 只激活一部分参数”。也就是说总参数量可以做得很大，但单次前向只走少数几个 expert，所以理论上计算量不会随着总参数线性增长。这个思路在大模型里很有吸引力，因为可以同时兼顾容量和成本。但真正难的地方是路由和负载均衡。路由器如果只偏爱少数 expert，训练会很不稳定，热门 expert 被打爆，冷门 expert 学不到东西。另一个难点是通信开销，尤其多机训练时，token dispatch 和 gat...

一、项目深挖从实习经历里挑一个最能体现技术能力、最有挑战的项目详细聊聊。这个功能整体研发大概多少人参与？在这个项目里压力最大、最棘手的事情是什么？你做了哪些重要的设计决策，这些决策带来了什么效果？更新数据库状态和推送不是原子操作，你当时是怎么权衡的？想保证这两个异步操作绝对一致性，有什么办法？延伸场景：先写数据库 A 再写数据库 B，要求同时成功 / 同时失败，怎么设计？项目用户量、QPS 大概多少？有出现客户投诉吗？功能上线后怎么验证、保证系统稳定？出现异常需要线上应急吗？你设置了哪些告警指标？从现在视角看，你会设置哪些指标观测系统稳定性？二、Full GC 问题排查介绍下当时遇到的 Full GC 问题，以及完整排查过程。三、AI & Web Coding 相关如果用 Web Coding 写这个系统，你会怎么设计提示词？AI 生成代码不可控，你怎么约束、确保符合预期？有没有试过用 Web Coding 写项目，过程中最大问题是什么？业界怎么解决 AI 思考慢、反复出错的问题？有没有考虑用 AI 做测试用例提效，做 TDD 开发？如果设计一个 AI 研发 + 测试的协作 team，怎么设计？研发 Agent 和测试 Agent 之间怎么交互，避免越改越偏？大模型上下文有限，Claude 类产品怎么保证长代码迭代不丢失注意力？四、职业规划 & 行业选择工作之后的职业规划是怎样的？想从事什么行业 / 业务场景，为什么？了解蚂蚁国际是做什么的吗，为什么投这个岗位？五、算法 & 限流（核心编程题）手撕实现滑动窗口限流（1 分钟级别）。单机限流会有什么问题？多线程场景下，单机限流是否还有效？扩展为集群全局限流，怎么调整逻辑？用 Redis 做全局限流，会选用哪种方案？

1. 自我介绍2. 如果让你设计一个面向跨境售后纠纷的智能工单中台，整体架构怎么落可以把系统拆成接入层、规则与路由层、会话编排层、模型服务层、工单状态层、证据存储层和审计回放层。接入层处理 IM、邮件、表单和外部 API；规则层做租户隔离、语言识别、风险分级和触发策略；会话编排层维护案件上下文、节点执行历史和工具调用轨迹；模型服务层只负责生成和抽取，不直接持久化状态；状态层维护工单生命周期和人工接管点；证据层保存截图、订单记录、退款日志和模型引用片段；审计层负责回放每一步输入输出，便于定位误判和争议。真正难的点不在“能不能生成回复”，而在于把模型能力约束在可追踪、可回滚、可仲裁的业务流程里。3...