数字马力一面

实习面试的时候一般会问什么呢  

1.项目拷打谈谈传统搜索算法和 RAG 的理解2.为什么大模型结合 RAG 会出现 AI 幻觉的现象？3.介绍一下 MHA4.了解 MHA 的变体吗？5.了解 KV 缓存吗6.介绍一下 self attention 吧7.了解 PE 优化吗8.了解 dpo 和 PPO 吗9.了解 ReAct 架构吗10.如果你有一个待优化的模型和一堆 query ，你怎么利用 PPO 来优化模型？📳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。

从最开始的 prompt，再到多 agents + A2A，最后企业级生成部署。https://github.com/anxiong2025/25-Day-Agents-Course-by-Google

最近秋招拿到offer的同学在问我一些offer抉择的问题，关于算法岗怎么选方向，尤其是业务岗和研究岗的区别。今天从几个维度聊聊这个问题。你的目标是落地还是探索？业务算法岗的核心价值在于解决问题，用成熟稳定的技术提升业务指标。日常工作围绕数据处理、特征工程和模型调优展开，最后通过A/B测试验证效果。岗位稳定、成果可量化是明显优势，但技术可能不够前沿，容易产生重复感。研究算法岗更像边界探索者，集中AI Lab这类部门。这里博士比例高，核心任务是做出比现有方案更优的算法创新，目标发表顶会论文。你能接触最前沿的技术，学术积累扎实，但成果不确定性高，压力也更大。你数全链路还是深钻型？业务岗需要全链路能力——懂业务逻辑、会特征工程、能上线部署，最终把技术转化为可量化的业务增长。研究岗则强调算法深度，要求扎实的数学功底和创新能力，更看重在细分领域的学术突破。如何选择？喜欢看到技术快速落地、享受清晰的业务反馈、工程能力强的同学，业务算法岗是更稳妥的选择。如果理论基础扎实、热衷前沿探索、能承受较高不确定性，研究算法岗的挑战和上限都更高，但要做好成果周期长的准备。不过研究岗可能有时候也需要做一点业务上的工作，这要根据部门实际情况来看。没有绝对的好坏，关键是匹配你当下的状态。业务岗是脚踏实地，研究岗是仰望星空，两者都在创造价值。选择前想清楚自己更看重什么，比盲目追求热门更重要。想了解更专业更具体的算法岗不同方向不同岗的要求，发展，前途等具体信息可以滴滴我本人拥有7年大厂算法岗经验，作为技术面面试官(含社招和校招)，看过上千份简历，已面试超过上百位同学，面试和被面试经验十足，同时在ECCV/IJCAI/NeurIPS等顶会上发表过多篇论文和ACM获奖竞赛经历。职业规划 业务算法 #研究算法