想找AI Agent方面暑期实习，求拷打简历

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

得物这家公司也面试了，感觉整体还是有点多1 先自我介绍2，介绍一下你做的最有挑战性的项目，用到了哪些技术，有哪些亮点3 平时对于一些新的技术主要是怎么学习的，有钻研新的技术吗，怎么操作的4 对于数仓建模主要是建设了哪些层级，每一层都有啥效果，最后怎么落地的5 对于数据倾斜了解吗，能不能先说一下产生的原理，以及后续怎么解决这个倾斜6 对于千亿数据来说如果我要实时出一些指标你会怎么实现这个时效性，怎么确保集群稳定产出7 对于基线你这边有涉及吗，怎么操作的这个基线设定，对于任务怎么合理设置基线8 对于离线指标和实时指标如果不一致，你会怎么排查异常，你感觉哪个指标可能是正确的，为啥会这样说9，做个题目，一道flinksql的题目，主要是考察join的一些新特性和参数设定10 有啥需要找我了解

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...

现在网上有个很可笑的论调：“AI 都能写代码了，程序员不用刷算法了，不用学数据结构了，会调 API 就行。”说这种话的人，要么根本不是程序员，要么根本没在真实的业务里踩过坑。AI 时代，刷 LeetCode 的意义，早就不只是为了过面试了。它真正的价值，是帮你建立底层的算法思维和逻辑能力，而这，恰恰是你能不能驾驭 AI，而不是被 AI 替代的核心。AI 给了一段代码，跑是能跑，但他根本看不懂里面的时间复杂度，上线后数据量一大，接口直接超时，数据库直接崩了；AI 写的递归函数，他直接复制粘贴用，结果线上数据量大了直接栈溢出，他连递归和迭代的区别都搞不懂，更别说排查问题了；业务里要做一个用户标签的匹配功能，AI 给了好几种方案，他根本不知道选哪种，不知道哈希表和红黑树的适用场景，最后选了个性能最差的，线上出了故障背了大锅；甚至 AI 写的代码里有边界漏洞，他都看不出来，上线后被恶意攻击，造成了数据泄露，最后被公司开除。这些人，本质上不是在用 AI，是被 AI 当成了执行工具。他们就像拿着枪的小孩，根本不知道枪的原理，也不知道扣动扳机的后果，最后伤的只能是自己。而刷 LeetCode，练的从来不是你会不会写那一道题，是这 4 种 AI 永远替不了的核心能力：复杂度直觉：知道什么代码是好的，什么是垃圾刷算法题最核心的训练，就是时间 / 空间复杂度的分析能力。刷多了，你看到一段代码，一眼就能知道它的性能瓶颈在哪，会不会在高并发场景下出问题，能不能优化。AI 能给你 10 种实现方案，但只有你能判断，哪种方案适合当前的业务场景，哪种方案能扛住线上的流量，哪种方案会给未来埋坑。没有这种复杂度直觉，你只会在 AI 给的一堆方案里，选一个最烂的。问题拆解能力：把复杂问题拆成可解决的小问题一道中等难度的算法题，本质上就是一个微型的业务问题。刷算法的过程，就是训练你把一个复杂的、模糊的问题，拆解成多个简单的、可解决的小问题，一步步推进，最终得到结果。这恰恰是程序员最核心的能力。业务里的需求，永远是复杂的、模糊的，AI 能帮你写代码，但不能帮你做需求拆解、架构设计。没有这种拆解能力，你连给 AI 提需求都提不明白，只会让 AI 生成一堆没用的垃圾代码。边界思维：预判所有的异常情况刷过算法题的人都知道，一道题能不能 AC，不只看核心逻辑能不能跑通，更看你有没有考虑到所有的边界条件：空值、极值、异常输入、并发场景……真实的业务开发，80% 的 bug 都来自边界情况。AI 生成的代码，往往只覆盖了核心的正常流程，很少考虑到业务里的各种异常边界。没有这种边界思维，你连 AI 代码里的漏洞都看不出来，线上出 bug 是迟早的事。逻辑严谨性：写出来的代码，每一行都有道理刷算法题的过程，就是训练你严谨的逻辑思维。每一行代码，都要有它的作用，每一个判断，都要有它的依据，不能有任何逻辑漏洞。现在很多人用 AI 写代码，代码跑通了就万事大吉，根本不知道里面的逻辑是什么，出了问题根本不知道怎么排查。而有算法思维的人，哪怕是 AI 写的代码，也能一眼看透逻辑，快速定位问题，甚至优化得更好。我从来不是反对用 AI，恰恰相反，我每天都在用 AI 写代码、改 bug、做方案，它帮我节省了大量的重复劳动时间。但我始终坚信：AI 是放大器，不是替代品。它能放大强者的能力，也能加速弱者的淘汰。你有扎实的算法思维、逻辑能力，AI 就是你的神兵利器，能让你的效率翻倍，能让你专注在更有价值的架构设计、业务思考上；你没有这些底层能力，AI 只会让你越来越懒，越来越依赖，最后彻底丧失独立思考、独立写代码、独立解决问题的能力，变成一个只会调 AI 的 “工具人”，随时都能被替代。回到最初的问题：AI 时代还有必要刷 LeetCode 吗？我的答案是：非常有必要。但不是为了应付面试死记硬背，是为了训练自己的底层思维能力，让自己能真正驾驭 AI，而不是被 AI 淘汰。毕竟，程序员的核心竞争力，从来不是你能写多少行代码，而是你能解决多复杂的问题。而这，永远是 AI 替不了你的。