27实习BIGO大模型算法二面分享

继续来分享下最近的面经~1.PPO算法是用什么框架做训练的，对该框架中相关代码是否了解?2.介绍一下实习2的这个项目的相关情况3.项目中用到的千问3模型，其多模态能力对齐是怎么做的?4.项目中用到的GSPO原理是什么?5.Sequence级别与token级别的强化学习训练有什么区别，各自适用于什么样的训练场景?6.对千问30B-A3B模型的架构是否了解，其中的专家网络具体是怎么做的?7.项目中用到的千问相关模型是否存在上下文相关的问题?8.在RAG系统中，若存在多轮对话的情况，从哪方面提升模型上下文能力?9.抛开实际应用场景，PPO算法的损失包含哪几部分?10.在实际流程中，PPO算法的相对优势是怎么计算的?11.分析PPO算法各部分在流程中的位置以及具体计算方式

5月前端还有大厂实习机会吗，boss上找了半天全是后端的，要不就是暂时对我来说没机会的字节阿里华为，感觉很多大厂前端没hc了都🥲，要死透了吗😱

发一下问题给大家参考，攒攒人品！1.实习拷打2.问项目3.整个背景是什么？4.项目具体有什么难点？是怎么考虑技术选型的，有哪几套方案，为什么选了最后交付的这一套，怎么做实验的？5.怎样用DNN做特征交叉？怎样处理格式化输入？6.介绍一下 Word2Vec。7.了解树模型吗，介绍一下树模型。介绍一下随机森林。8.有哪些处理过拟合的方法？9.手撕：手动实现atoi函数，把字符串转换为整数

本人简历上 1 个 RAG 项目 + 1 个 Agent demo；这次面的是AI岗一面前我以为：背完八股 + 把项目讲清楚，应该能稳过。0-5 min：自我介绍 + 项目背景- 顺利。讲清楚了我的 RAG 是给法律咨询场景做的，痛点是大模型不懂行业术语。5-20 min：项目深挖（开始崩）- Q1：你的法律文档总共多少？切了多少个 chunk？- 我：约 500 份 PDF，5 万个 chunk- Q2：500 份 PDF 加起来才 5 万 chunk？平均每份 100 个 chunk，你切片粒度是多少？- 我：512 token- Q3：法律文档里"第三条第二款"和"第三条之二"是不同含义，你的切片会不会把它切散？- 我：（沉默 5 秒）……应该会- Q4：那你怎么解决？- 我：我可以加一个 metadata……（开始编）❌ 第一次崩：切片粒度没考虑业务语义。20-35 min：评测体系（继续崩）- Q：你怎么知道你的 RAG 有效？- 我：我用 Recall@5……- Q：评测集多少条？怎么构造的？- 我：100 条，我手工标注的- Q：100 条够吗？分布怎么样？- 我：分布……我没分- Q：那你的 Recall@5 是 0.81，你怎么知道这个数字是好是坏？baseline 是什么？- 我：（沉默 10 秒）❌ 第二次崩：没有 baseline，没分布分析，纯靠"看起来还行"。35-55 min：Agent 部分（彻底崩）- Q：你的 Agent demo 用了几个工具？- 我：3 个，搜索、计算器、文档查询- Q：当用户问一个问题，你的 Agent 怎么决定调哪个工具？- 我：用 ReAct，让模型自己决定- Q：模型决策错了怎么办？- 我：我加了个 reflection……- Q：reflection 失败 3 次后怎么处理？- 我：（沉默 15 秒）……我没想过❌ 第三次崩：异常路径完全没设计。55-65 min：业务理解 + 反问- Q：你觉得字节做 AI 应用最大的瓶颈是什么？- 我：算力？数据？- Q：你看过哪些字节最近发的 AI 产品？- 我：豆包、扣子……- Q：扣子是 Agent 平台还是工作流平台？- 我：（再次沉默）❌ 第四次崩：对面试公司业务一无所知。