阿里国际agent一面-难死我了

感觉面完人都通透了，还是太菜了，下去沉淀一下1. 介绍一下Agent项目，数据量大概多大，向量数据库如何选型，执行流程介绍一下2. 加入升级向量化模型，怎么保证索引和检索向量的逻辑一致性3. Agent的调优是如何评估的，评测集是怎么做出来的，讲一两个调优完成效果比较好的case4. 有做过模型微调相关的工作吗5. 数据量和QPS增大，agent架构如何改进，需要的硬件大概是什么样的；对RT要求比较高的话，怎么部署和加速，采用什么样的GPU6. 有没有自己部署过推理服务，有没有做一些优化，比如算子融合或者IO瓶颈7. AI coding工具哪个比较好用，研发效率能提升多少，AI coding在项目中的占比大概多少

1. 自我介绍2. SSE 跟 WebSocket 有什么区别？为什么模型推流场景很多时候选 SSE，不选 WebSocket？答案：SSE 是服务器到客户端的单向流式推送，基于 HTTP，天然适合把模型生成的 token 一段一段往前端推。WebSocket 是全双工协议，更适合双方都要频繁通信的场景，比如协同编辑、实时游戏、双向控制。模型推流大多数时候是服务端连续输出、客户端被动接收，所以通信模式上 SSE 更贴近需求。另外 SSE 在工程上更轻，和现有 HTTP 网关、鉴权、中间件、日志系统、Nginx 代理兼容性更好，浏览器原生支持 EventSource，实现成本低。很多公司不选 W...

一、自我介绍二、实习相关八股1. 实习业务场景负责大模型对话对齐、指令微调、强化学习优化，提升模型生成准确性、合规性与指令遵循度，落地垂类对话/问答业务。2. SFT数据筛选、采样及处理3. 选择GRPO的原因、优化目标及数学原理- 选型原因：相比PPO显存占用低、无需价值网络、训练更稳定，对齐效率高- 优化目标：最大化模型生成优势，约束KL散度防止策略突变- 原理：分组优势归一化、截断策略比率、近端约束，降低训练方差4. 奖励函数设计（重点）围绕有用性、准确性、合规性、流畅性设计，分维度打分；加入KL惩罚，避免单一奖励过拟合，区分正负奖励权重。5. 判断RL训练质量达标方法- 奖励值收敛、KL散度稳定；- 离线评测：指令遵循率、幻觉率达标；- 人工抽检生成内容，无退化、无套路化输出6. 是否遇到Reward Hacking遇到过，模型生成空洞话术、固定模板刻意刷高奖励值。7. 其他奖励作弊类型刻意迎合奖励规则、答非所问、重复安全话术、回避核心问题、策略坍缩同质化输出。8. PPO和DPO了解- PPO：在线强化学习，近端策略优化，带价值网络，训练复杂度高- DPO：离线偏好优化，基于成对偏好数据，无需交互采样，训练简单稳定三、基础八股1. Attention计算时间复杂度标准自注意力：O(n²d)（n为序列长度，d为特征维度）2. KV Cache原理推理时缓存历史token的KV矩阵，避免重复计算，降低算力开销，提升推理速度。3. GQA、MLA原理- GQA：分组查询注意力，Q分组共享KV，平衡推理速度与效果- MLA：融合局部+全局注意力，适配长上下文，降低显存占用4. vLLM原理基于PagedAttention分页管理KV Cache，提升显存利用率，支持高并发推理。5. Flash Attention原理分块计算注意力，优化显存IO，减少HBM访问，提速同时降低显存开销。6. 稀疏注意力原理仅计算局部/关联token注意力，舍弃全局无关token，将复杂度降至O(n)，适配长文本。7. 模型推理慢排查思路检查序列长度、batch大小；确认KV Cache、量化、FlashAttention开启；排查GPU显存、算子优化问题。四、编程题1. rand7()实现rand10()拒绝采样：rand7()*rand7()生成1-49数，保留1-40，映射为1-10，超出则重新生成。2. 浮点数组取整最小变化和贪心思路：每个数选上/下取整中差值更小的，累加最小总误差。3. 最长无重复子串

每年一到秋招、春招，很多学 C++ 的同学都会有一个很现实的问题：C++ 到底学到什么程度，才算可以出去找工作？这个问题没有一个绝对统一的标准，因为不同岗位、不同公司、不同方向，对 C++ 的要求差异很大。后台开发、客户端开发、游戏开发、音视频、搜索推荐、基础架构、自动驾驶、嵌入式，这些方向虽然都可能写 C++，但考察重点并不完全一样。不过对于大多数校招同学来说，判断自己能不能开始投递，其实可以看一个更实际的标准：你是否已经具备“基础能答、代码能写、项目能讲、八股能过、算法不崩”的能力。 如果这几个方面基本都具备了，就已经可以开始找工作，而不是非要等到“全都会了”再投。一、C++校招不用学到“...