阿里多模态算法一面-日常实习

聊项目 1.pgvector的索引2.embedding()向量化的算法3.为什么要用threadlocal4.秒杀场景下数据库没有扣减但是redis预扣减怎么处理5.geohash()的算法实现感觉项目很多底层还是了解不到位，继续加油吧

攒攒人品！有面试过同岗的朋友欢迎评论区交流1、都知道哪些vllm的优化技术？2、在现有模型的基础上，由于算力问题，如何利用大模型来蒸馏一个3B的模型？3、logistic回归的模型原理和loss。4、给定一个时间序列，如何通过机器学习的方法进行建模筛选出来重要的特征，然后基于规则方法进行建模5、DeepSeek-MTP是用在训练阶段还是推理阶段的，具体过程是怎样的？6、在现有大模型的基础上，如何通过agent的相关方法，训练一个coder模型，撰写金融领域相关模型的代码。

暂时不说部门，面完感觉就挺微凉了但是泡了一个周居然过了，因为面试官说我还是做模型算法更多，他们在做的是业务Agent的设计编排优化，具体是对接到业务上。1.自我介绍2.项目一怎么做的3.项目二询问4.Agent的记忆怎么设计5.workflow，agent，skill区别6.prompt你会怎么考量去写7.vibe coding，这里面试官说边聊边做，哥们逮着问题就开始猛做，做一半面试官问你没啥要问我的问题吗？我这里才想起来，然后尴尬的想了两个问题8.你的agent是怎么做的，这里我一直没get到点，面试官让说你的这些agent具体是负责干嘛的，输入输出是什么讲明白。这里纯纯被拷打9.反问：部门业务是什么？面试官讲了很多，我的体会是以后前后端啥的真的很难了，因为现在的一整个设计就是我不需要你有啥技术，你搞明白业务，怎么会用这些agent才是最重要的，包括面试官说我一直在做的模型训练，和agent优化的思路相差还是很大。然后建议：多培养业务思维，还有就是区分开Agent优化和模型训练。流程：如果过了还要面leader，之后就是hr面。

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习 模型选型 function call流程 dpo优缺点2.Agent是怎么选择工具的3.对于一个边界不好定义的场景，类似skill这种形式不能很好区分场景披露工具，怎么办 sft和rag的适用场景4.RAG系统整体流程 对于不同类型的文档分块策略5.重排策略的选择 如果开发一个Agent，web socket和另一个什么选哪个6.ai coding，对于一个客服Agent，当前的奖励函数有：Reward 7.hacking问题、稀疏问题、区分度太大问题（只有完全正确和错误），请设计新的reward解决至少两个，并且列5个case，其中需要包含边界和可能Reward hacking的case