大模型算法一面分享-作业帮-27实习

继续来分享下最近的面经~欢迎友好讨论，信息共享1.实习拷打2.说一下第一个项目的目标是什么，主要做了什么?3.为什么选择rrf混合检索，而不是简单的加权?4.这里用了hyde技术，原理是什么?为什么能提高语义匹配度?5.结构感知切分如何确定边界?如果换个格式的文档是不是会有问题?6.reranker和embedding模型在原理上有哪些区别?7.专属的高质量goldendataset是怎么构建的呢?忠实度的评测是基于什么?评测结果遇到过稳定性问题吗?8.为什么选择qwen2.5-7b这个大小?9.第二个项目小组有多少人?自己负责的内容是哪些?大概说一下项目具体做了什么?10.设计了边缘侧fallback降级引擎，它的一个处理逻辑是什么样的?比如云端大模型不能用的时候边缘侧该如何保证它的基本功能?11.语义识别的准确率是如何评估的?12.深度相机2d图像转3d坐标数据是怎么实现的?13.三维坐标到机械臂的动作映射是解析解还是数值解?机械臂的自由度大概是多少?14.硬件成本是如何计算的?有考虑过其他开销如人工，算力等吗?15.langchain框架和agent在设计理念上有什么区别?在什么场景你会选择哪一种?16.FAISS和其他的向量数据库相比他有哪些优点?一般你会选择哪一个?17.怎么看待rag和微调这两种方案，会倾向哪种?

哔哩哔哩大模型面试岗，我悟了！！！大家好，我是Yuki。周末跟一个在B站面试大模型算法实习岗的学员聊了整整两个小时，他说这场面试让他“一边冒汗一边开窍”。我让他把面试题完整复述了一遍，今天就把这场高质量的技术对话分享给大家。说实话，这几道题问得是真有水平——不是那种背八股文能应付的，而是实打实考察你做项目的深度和思考力。面试复盘：一场关于Agent的技术拷问第一关：你现在做的Agent到底是什么？面试官开门见山，没有废话。如果你回答“就是一个能调用工具的AI”，那基本就凉了。面试官要听的是：你对自己做的事情有没有系统性的理解。正确的打开方式是这样的：“我负责的是一个面向科研场景的辅助Agent...

腾讯、京东、美团、华为投了不少非技术岗，测评也做了，身份证信息都填了，没有进展啊。Boss主动沟通了一堆，也无人回复，来个车企/智驾/互联网的实习吧，求求了！有没有前辈捞人啊，工作素养绝对良好！本科：东北林业大学车辆工程硕士：中国农业大学机械工程（自动驾驶方向）语言：英语六级481分，考研英语二80分，普通话二甲。学生干部经历：①班级生活委员，负责班费收取与节假日出行信息统计。②青春同伴教育团队副队长，在办公室部门负责部员加分表的统计与上交，组织的招新，参与组织过多次健康日活动。车企工作经验：①上汽通用五菱技术中心发动机部门实习生，参与过台架试验、发动机质心测量，高低温测试，NVN测试。②江淮汽车涂装厂实习，技术中心智能网络部门自动驾驶小组的工作人员，参与过辅助驾驶相关的仿真与场地测试。教培工作经验：①学而思线上一对一教师。②新东方学习机教师一对多，课后及时和家长沟通反馈，续班率50%以上。③研途考研班主任，曾经同时服务200多名考生，一天可以拨打几十个回访电话，工作时间对用户信息的平均回复时长控制在10分钟以内。运营能力：负责过东北林业大学社团联合会的公众号运营，负责文案的撰写与排版。做过教培机构的多平台内容运营（知乎、小红书、公众号）。

Q1：请⽤你⾃⼰的话定义 LLM Agent，并说明与单次调⽤的差异。答案：LLM Agent 是以⼤语⾔模型为推理核⼼，在 多轮 中与外部环境交互，通过 规划、记忆与⼯具 完成复杂任务的系统。与单次调⽤的差异在于：单次调⽤是 开环⽣成；Agent 是 闭环决策，每步可依据⼯具返回更新状态，直到终⽌条件。追问：若没有外部⼯具，还能叫 Agent 吗？答案：可称为「弱环境」Agent，仅有对话记忆与推理；但仍可有内环多步 CoT 与⾃我验证。⾯试中强调是否存在「⾏动—观察」循环更清晰。Q2：Agent 的记忆⼀般怎么设计？答案：分层设计最常⻅：⼯作记忆（当前轨迹与关键结论）+ 会话记忆（摘要滚动...