字节大模型面经合集（二）

先说结论，ai的蓬勃发展对于秋招说来讲毫无疑问是绝佳的机会，从我的角度来看，建议有后端基础的可以全面拥抱ai应用开发岗。  本文从个人秋招视角出发，浅谈各岗位难度差异，以及ai浪潮下为什么要选择ai应用开发这个岗位(综合难度结合周围同学经历，评价较为主观)。 互联网行业的秋招主要分为以下几个大类: 算法岗(含ai infra) : 语言以python为主，毫无疑问的待遇天花板，门槛极高，学历非双九基本机会不大，综合难度5⭐； java后端开发岗：极卷，岗位多，人也多，ai面/笔试/2-3轮技术面，流程教程，难度较大，主要围绕八股及算法，双非有垂直大厂实习经验也有机会，但在横向比较时不占优势，综...

1. 大模型相关经历深挖：你项目里最核心的贡献是什么，怎么验证有效2. 对比学习 loss：负样本和正样本拉不开/太像了，你会怎么改损失或采样3. FlashAttention 跟普通 attention 的差异？实现里 QK^T、softmax、PV 这几步怎么落4. 3D 并行里 DP/DDP 你怎么理解；实际落地时通信瓶颈一般卡在哪些环节5. 14B：FP16 权重大概多大；训练还要加哪些；INT8 大概能省多少6. torch.contiguous() 干嘛的？推理为什么在意连续性7. 代码：读 txt 井字棋（3×3），判断当前玩家是否获胜8. 交叉熵损失：解释/怎么写9. 线性回归用 SGD：更新公式怎么推/怎么写⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

一、Agent核心模块（秋招最热，几乎必问）1.为什么选择做Agent项目？（结合求职方向，突出你的核心价值，避免泛泛而谈）2.讲下你做的Agent项目，核心目标、技术难点、你负责的模块及落地效果（秋招必问，重点说“解决了什么问题”）3.演示Agent项目实现细节（重点说关键流程、核心代码逻辑，避免只说框架）4.Agent项目开发的核心框架有哪些？你用的是哪种？为什么不选其他框架？（LangChain/LLaMA Index/AutoGPT对比）5.了解市面上有哪些主流智能体（Agent）？各自的优势、应用场景及局限性（比如AutoGPT、ChatGPT Plugins、Meta AI Age...

发一下问题给大家参考，攒人品中。。。1.实习中多智能体系统包含几个智能体?它们之间如何交互?2.实习中意图识别模型需要识别多少个意图?3.750B模型用于什么场景?4.实习中Qwen3VL模型是多少B的?用于什么场景?5.在实习中，你主要的贡献是什么?6.检索环节做了哪些优化?7.答案生成环节做了哪些优化?8.是否做了SFT或强化学习相关工作?在哪个环节做的?9.SFT过程中是否对类别标签做了清洗或修正?10.强化学习的样本量是多少?11.基础模型经常分类分不准的案例有哪些?12.在校项目中，为什么用对话数据来增强数据集?13.在校项目任务的输出可以简单描述并举例吗?14.单智能体能否完成相在校项目关工作?为什么要智能体？15.LangGraph相对其他开源智能体编排工具的优点是什么?16.在现有场景中是否需要用到LangGraph的状态管理功能?17.如何理解Long-termMemory的实现方式?18.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法?19.Context Window能否储存大量电商交互信息?如何解决存储问题?20.推理时若将大量Memory以Token形式给到大模型，Token长度过长该如何处理?21.强化学习有哪些常用技巧?22.若通过SFT进一步提升模型准确率，常用的手段有哪些?23.SFT的理想数据量是多少?如何确定?24.SFT数据分布一般怎么取?为什么选择该分布而非其他分布?