微软算法research实习面试（30min）

发一下问题给大家参考，攒攒人品！1*Agent与Workflow的区别是什么？在实际业务中，你会根据什么标准选择对应的方案2*设计一个企业级Agent架构，如何实现 BFF、Tool Server 与 Worker 的多组件拆分3*在企业级Agent中，怎么实现安全与隔离？权限管理、审计与日志追踪具体的落地方案是什么？4*说一下什么是MCP？它在Agent生态中解决了什么痛点？5*MCP 有哪些具体的分类？Transport 层是怎么工作的？如何开发一个 MCP Server？6*谈谈你对 Claude Code、Manus 这类 Agent 产品的理解，它们的架构逻辑与传统 Chat Agent 有什么差别？它工程部分的能力是怎么实现的？7*如何实现 Claude 的 Agent Research 方法论？Deepsearch 场景下需要配备哪些工具？基础设施与安全挑战在哪里？8*在多轮对话中，分别实现 Short-term memory、Long-term memory 与 Task memory怎么做？9*上下文机制的完整实现流程是怎样的？说一下它的写入策略、读取策略以及 Rerank 的做法是怎么样的。10*当上下文超过 Token 限制时，组合使用 Rolling Summary、State Extraction 与 RAG 这三段式策略？11*说一下Prefix Caching 和 KV Cache 的原理。为什么缓存的是 K 和 V 而不是 Q？不再计算前缀具体节省了哪部分算力？12*引入 Prefix Caching 后，Attention 的计算复杂度是怎么下降的？13*Few-shot在Agent评测中是为了提升能力还是降低方差？在评测Pipeline的哪个阶段注入？如何防止过拟合？14*对比一下Transformer中Self-attention与FFN的作用差异。15*为什么 Prefix Caching 只能优化 Attention 部分，而无法优化 FFN 部分？16*从 Softmax 的数学角度解释，为什么在计算过程中加上负无穷就能让注意力权重变为 0？17*什么是掩码？你分别说一下Causal Mask与 Padding Mask 的作用是什么。

攒攒人品！有面试过同岗的朋友欢迎评论区交流1*你项目用了rag，讲一下整个rag流程2*介绍一下常见的文本分块方法3*如何对齐查询和文档的语义空间4*详细介绍下对比学习和infonce loss5*温度系数大或者小有什么影响6*为什么现在的大模型都是decoder only结构7*那bert能做生成任务吗？什么场景下可以做8*有哪些peft方法，有什么区别9*进行sft操作的时候基座模型选用chat还是base10*你用的什么框架sft？11*手撕：反转链表

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.STF的数据怎么合成2.lr scheduler策略怎么做3.查询重写容易把用户的意图具体化，从而回答不全面，怎么解决呢4.QLORA与LORA的区别5.34b模型推理时候的显存多大6.对比学习用的什么框架7.用的embedding模型的维度8.RAG检索的时候HNSW的原理

欢迎友好讨论，信息共享1.实习拷打2.做 grpo 遇到熵崩没有？你是怎么理解的？3.大模型容易 reward hacking，如何解决？4.VLLM prefix cache实现过吗？5.如何理解 dspo 这几个算法的创新？6.长上下文压缩有哪些方法？7.MOE 的 expert parallel 如何做的？8.手撕： transformers encoder