26秋招字节大模型Agent一面

算法岗越来越卷，还在纠结简历写什么？ 拒绝千篇一律的“minist手写数字识别”！ 今天盘点 3 个不同技术方向的硬核项目，建议根据自己的赛道，选一个死磕到底！👇1️⃣ 【LLM 应用赛道】—— 紧跟风口  📂 项目：基于 LangChain + RAG 的垂直领域问答助手为什么做： 现在 10 家面试 8 家问大模型。不懂 RAG（检索增强生成）真的很难聊！核心考点： 向量数据库 (Milvus/Faiss)、Prompt Engineering、文档切片策略、甚至 LoRA 微调。一句话亮点： “解决了大模型幻觉问题，实现了基于本地私有数据的精准问答。”2️⃣ 【硬核基建赛道】—— 专治手痒  📂 项目：从零手撸 Transformer (Pytorch复现)为什么做： 别只做“调包侠”！面试问 Multi-head Attention 细节又又又卡壳了？核心考点： Self-Attention 矩阵计算、Positional Encoding 原理、Mask 机制。一句话亮点： “不依赖高级 API，从底层张量运算构建模型，深入理解 Attention 机制。”3️⃣ 【AIGC 视觉赛道】—— 视觉魔法  📂 项目：Stable Diffusion 扩散模型复现与 LoRA 微调为什么做： CV 岗已经从“识别”卷到了“生成”。不要再玩那个YOLO ！核心考点： DDPM/DDIM 采样原理、UNet 结构（mile-stone）、CLIP 多模态对齐、ControlNet 控制生成。一句话亮点： “掌握 AIGC 核心流派，具备模型微调与可控图像生成能力。”💡 最后的小建议： 项目在精不在多。 与其罗列 多 个 Demo，不如把其中一个吃透，把遇到的 Corner Case、性能优化、思考过程写进简历里。

一面先讲了一下做的业务详细问了下两篇论文，讲了之前他们做的一个工作跟我的一篇工作很类似，比较match。讲一下对强化学习的理解，以及你在你做的这个领域的理解。反问建议（没有，各方面都挺好的）二面介绍了一下业务讲一下1作的论文你这个做的比较简单，我们做多轮对话的强化学习，你有什么相关的了解agent相关基础（不会）qwen3如何去调用工具的。deepseek模型的思考内容是由什么标识包裹的你知道现在的推理框架用的什么呢如何通过标识去控制模型思考还是不思考给你一个业务链，怎么去做到在10个点固定不思考，在90个点固定思考，怎么去设计整体的训练。刚刚说的方法是否需要冷启动代码题给一个字符串，求能划分...

1. 实习项目问的很细，数据构造，微调参数等2. 如果子agent回复不对怎么办？反思？跳不出去怎么办？限制次数3. LORA和全参数微调的区别4. DPO，PPO，GRPO5. 逻辑回归、XGB和神经网络的区别6. XGB怎么做特征重要性的？gini系数是什么？7. Deepseek MLA？为什么压缩？8. Transformer encoder？为什么需要FFN？9. AUC物理意义，公式，公式含义code：重排链表

关于你的专业和开发你对vue了解吗git拉取代码发生冲突怎么办对css盒子的理解对promise的状态你知道多少如果你接到一个需求你会怎么进行分析，看似很难但实际很简单的那种（这个我答的感觉一般，没理解题意，说了一下自己平时是怎么做的）浏览器输入url到显示页面发生了什么反问感觉还行，不紧张