ai agent实习面经分享-字节

1. 项目拷打 问的非常细 , 聊了30min2. GRPO 里的 reward 一般怎么设计，怎么避免模型学歪GRPO 的 reward 设计关键不是“打分越多维越好”，而是要保证相对排序真的有意义。常见做法是把 reward 拆成几部分，比如正确性、格式遵循、长度惩罚、拒答合理性、安全性这些，再做加权组合。对于推理任务，最核心的一般还是结果正确性和过程可验证性；对于开放式生成，还得控制风格漂移和模板化输出。真正难的是 reward hacking。模型很容易学会一些表面上拿高分、实际上没解决问题的套路，比如故意写很长、固定套模板、强行迎合裁判模型。所以 reward 设计通常不能只靠单一 ...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.这个方案有没有考虑过在单 Agent 里面继续丰富它的 tool？3.单 Agent 和多 Agent 这两条路线，你们当时是怎么考虑的？为什么最后选择了多 Agent？4.如果模型自己思考并自主选择调用什么工具、执行什么操作，这种方式有什么问题？5.Agent 可以自主决定要不要调用工具；如果不需要就结束整个 ReAct 循环。那按这个逻辑，理论上是不是不需要额外做 Agent 编排/流程设计？6.刚刚提到的那个基于业务知识库的RAG系统，你们是怎么搭建的？7.召回是基于向量相似度做的吗？还是基于 embedding 模型，或者别的方式？8.我听到这里的 TopK，是不是一个向量检索相关的概念？因为你刚刚提到了向量数据库，是吗？9.在这个项目里，你觉得自己做得比较好，或者最有挑战的一件事是什么？10.刚刚提到这个场景涉及多 Agent 的综合调用，是吗？11.如果是在同一个业务领域里，为什么不考虑做成单 Agent，让模型自主思考后再去调用？12.既然 Tool 背后本质上就是 RPC 接口，那不能统一封装后交给同一个 Agent 内部去调度吗？13.你们这个检索/召回方案里，评价指标具体怎么看？14.你们拆成多 Agent 之后，链路失败或局部失败时怎么处理？15.多 Agent 场景下，上下文传递为什么要用 json / slot 这类结构化方式？16.如果 Tool 本身都能统一封装，为什么还要按业务拆 Agent？17.你在线上项目里是怎么权衡响应时间和效果的？手撕：单词拆分

1. 因果推断在多模态训练里能解决什么问题，为什么不是普通相关性学习就够了多模态场景里最容易出的问题就是模型学到“看起来相关”的捷径，而不是任务真正依赖的稳定因素。比如图像里某类背景、拍摄角度、文本描述习惯，可能和标签高度共现，但它们并不是真正决定结论的原因。因果推断的价值在于尽量把这些混杂因素拆出来，让模型更关注跨环境都稳定成立的信号。如果只靠相关性学习，训练集上可能效果很好，但一换数据源、设备、标注风格，性能就会掉得很厉害。因果思路不一定意味着一定要上完整的因果图模型，也可以体现在样本构造、环境分组训练、反事实增强和不变风险约束上。它本质上是在问：模型到底学到了可迁移规律，还是只记住了数据...

一战鹅倒在二面3.5投递 3.11一面 3.16二面 3.17二面挂一战快手offer3.22投递 3.31一面 4.3二面 4.9hr面 4.15oc二战鹅终于offer3.23复活 3.24一面 3.26二面 4.8三面 4.15hr面 4.17oc燃尽了，好好休息下