阿里达摩院cv一面凉经

一、自我介绍与项目深挖做一下自我介绍。简单讲一个你最有代表性的项目，你在其中解决的最关键问题是什么？结合实习或项目，做细节追问（工作流、职责、决策、挑战等）。二、Agent 与提示工程相关提示词模板是怎么设计与迭代的？你如何判断一个模板真的变好了？你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过替代方案？Agent 的任务是怎么拆分的？拆分粒度是怎么决定的？上下文是如何构建的？你们怎么避免上下文过长或信息污染？如果上下文窗口不够，你会优先保留哪些信息？为什么？三、代码理解与单测生成（工程场景）做代码理解时，AST、调用关系这些信息是怎么用起来的？单测生成里，哪些代码不适合生成单测？你们是如何识别并过滤的？覆盖率高但测试质量很差，你见过吗？你们是如何解决的？mock 在单测里什么时候是必须的？什么时候反而会带来问题？如果一个函数同时依赖数据库和 RPC，你怎么让模型生成的单测稳定运行？你们如何评估生成单测的质量？ 除了覆盖率，还有哪些指标有效？四、LLM 基础与 Transformer 细节LLM 的输入到底是什么？模型真正看到的内容包含哪些？self-attention 的核心作用是什么？为什么要拆成 Q、K、V？为什么 attention 能建模长距离关系？为什么需要 multi-head？attention 为什么可以看成动态加权？同一个 token 的 Q、K、V 为什么不相同？attention 复杂度很高，当上下文特别长时，你会怎么优化？模型产生幻觉的常见原因是什么？工程上有哪些方法可以降低幻觉？五、后端与系统基础Python 有多线程吗？GIL 是干嘛的？什么时候多线程才是有用的？讲一下 C++ 从源码到可执行文件的完整编译流程。六、算法题（手撕）给定一个数组 nums，计算所有子数组的中位数之和。定义：如果子数组长度为奇数：中位数 = 排序后中间的数。如果为偶数：中位数 = 排序后靠左的那个数。要求：计算所有子数组的中位数之和。

淘天 27 届暑期实习生正在招聘 各方向都有海量 HC 欢迎看我置顶帖子投递面试题 11：代码生成 Agent 和普通代码补全（Copilot 式）的本质区别是什么？设计一个能完成"跨文件修改"任务的代码 Agent，核心难点在哪？参考答案本质区别在于决策粒度。代码补全是行级决策——光标在哪，就在那个位置生成接下来几行代码。它的上下文是当前文件的局部内容，不需要做规划、不需要选择工具、不需要多步推理。本质上是一个"自动完成"功能，不是 Agent。代码生成 Agent 是任务级决策——接收一个自然语言描述的需求（"给这个项目加一个用户认证功能&...

1. 介绍一下你做的这个项目2. LoRA 的基本原理是什么LoRA 的核心思路是，微调大模型时没有必要把整个权重矩阵都更新掉，而是只学习一个低秩的增量。原始权重记作 (W)，微调后的权重写成：其中 (A) 和 (B) 的秩都很低，参数量远小于直接更新整个 (W)。训练时冻结原模型参数，只训练这两个小矩阵，这样显存占用、优化器状态和保存体积都会小很多。它适合做领域适配、指令微调这类任务，因为很多任务对模型的改动并不需要覆盖完整参数空间。LoRA 常见会插在 attention 的 q_proj、v_proj 上，有时也会加在 k_proj、o_proj 或 MLP 层。选哪些层，本质上是在表达...

1. Agent 的架构设计？一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口：负责接收用户问题和上下文；中间是决策层：负责意图识别、任务拆解、规划和工具选择；下面是执行层：真正去调工具、查知识库、访问服务；最后是记忆和状态层：维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是 “能不能想”，而是 “想完能不能稳定执行”。2. RAG 的检索如何实现？RA...