秋招上岸淘天

继续来分享下之前的面经~欢迎友好讨论，信息共享1. Transformer中Attention的本质是什么？你能从数学角度简要解释一下吗？2. 在Agent多轮对话任务中，你觉得Attention的局限性体现在哪些方面？3. 简要介绍一下SFT的核心流程，以及数据集的构建策略，SFT之后常见的Post-Training还有哪些？它们之间的目的有何区别？4. 什么是RAG，它是怎么提升生成质量的？与传统检索＋模型生成的流程有何不同？如何评估一个RAG系统是否work的？5. PPO和DPO在大模型对齐中的主要区别是什么？DPO训练通常有哪些注意事项？用过GRPO么？6. 项目里的Modular Agent，你能讲讲它是如何实现多步规划的吗？7. 项目提到了多个工具调用链路，调度策略是如何设计的？是否有异常fallback策略？8. Agent评估体系包括哪些维度？如何衡量planning能力 vs hallucination rate？9. 项目里微调Qwen，选择的训练阶段和Loss函数是如何决定的？10. Prompt自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？11. 场景题：假如一个Agent 推理链路包含3个工具+高频请求，系统整体延迟较高，你会如何优化？12. 代码：岛屿数量

✅ 春招备战指南 ✅ 💡 学习建议：  先尝试独立解题 对照解析查漏补缺   🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 🌸 目前本专栏已经上线200+套真题改编解析，后续会持续更新的  春秋招笔试机考招合集 -> 互联网必备刷题宝典🔗 滴滴-2026.03.15 1. 小基 的分段巡检计划 问题描述 小基 正在整理一条连续巡检线路。 整条线路一共有  个观测点，按顺序编号为  到 。第  个观测点记录了一个标签值 。 现在需要把整条线路划分成恰好  段连续巡检片段，每一段都至少包含一个观测点。 对于某...

【职位描述】你是否想过，一个能理解“这个商品适合我吗？”、“为什么还没发货？”、“能不能退差价？”的AI客服，背后是如何思考和行动的？在淘天集团店小蜜团队，我们正打造下一代基于大模型Agent的智能问答机器人系统，覆盖亿级用户的售前导购、商品推荐、活动咨询、售后排障、退款物流等全链路服务场景。加入我们，你将：🔹 构建电商领域最强AI客服Agent：和算法同学协作，基于大语言模型（LLM），设计具备任务理解、工具调用、多轮推理与决策能力的智能体（Agent），让AI真正“会思考、能办事”🔹 打造高可用AI工程系统：将RAG、动态Prompt编排、上下文管理、长期记忆等前沿AI技术，与高并发后端服务深度融合，支撑日均千万级对话请求🔹 深耕智能客服核心场景：从“用户问一句，AI答得准”，到“用户没开口，AI已预判”，你将参与构建覆盖售前推荐、活动解读、商品对比、售后排障、物流追踪等复杂业务逻辑的智能服务引擎🔹 参与AI与工程双轮驱动的技术基建：既探索与落地Agent框架的深度优化，体验AI Coding的编程魅力，也设计高性能、低延迟、高可用的分布式服务架构，涵盖缓存策略、JVM调优、多线程调度、微服务治理、消息队列等核心工程能力在这里，你不是在做“玩具Demo”，而是在真实亿级流量场景中，定义AI客服的未来形态。来吧，和我们一起，用AI重新定义“服务”！【职位要求】本科及以上学历，计算机科学、软件工程、人工智能相关专业优先熟练使用Python/Java等编程语言，熟悉Spring、Mybatis、Springboot、JVM、多线程、分布式服务、缓存、消息队列等技术栈熟悉 HTML、CSS、JavaScript/Typescript，掌握 React/Vue 等前端框架，具备一定的前端界面开发基础。有一定的AI Agent、RAG、LLM应用开发项目经验，熟悉Agent基础框架实现原理，了解高可用、高扩展性的大模型/Agent工程架构熟悉AI Coding，最好有一定的实践经验具备问题/价值驱动的探索精神和优秀的问题解决能力敢于创新，对AI技术充满热情，能够持续关注和学习AIGC前沿技术研究，并主动探索AI新技术/新范式在商业场景中的应用边界📢 📢 📢 📢 📢 📢 📢 📢 📢 📢 📢 📢内推请发简历到邮箱：**********有问题也可加qq，知无不答。

1. 进程和线程有什么区别？进程是操作系统资源分配的基本单位，拥有独立的地址空间、文件描述符、信号处理等资源线程是 CPU 调度的基本单位，共享所属进程的内存空间和资源，拥有独立的栈和寄存器状态创建和切换线程的开销远小于进程，线程间通信直接读写共享内存，进程间通信需要专门的 IPC 机制一个线程崩溃可能导致整个进程崩溃；一个进程崩溃不影响其他进程，隔离性更好多线程适合共享数据频繁的并发场景；多进程适合需要强隔离、稳定性要求高的场景2. 为什么推荐用 make_shared 而不是直接 new 来构造 shared_ptr？直接 new 会进行两次内存分配：一次分配对象本身，一次分配控制块（引用...