日常实习百度算法大模型应用二面

1.八股：DeepSeek-V3 和 Qwen2.5-Coder 在架构上有哪些关键区别？（如 MLA、MoE、GQA、Dense 等）2.八股：Transformer 中因果注意力（Causal Attention）和双向注意力的核心区别是什么？分别适用于什么场景？3.项目：如果 RAG 输出错误，怎么判断是检索错了还是生成错了？有做过归因实验吗？4.项目：Chunk划分策略对 RAG 效果影响大吗？你用过哪些优化方式（如语义分割、滑动窗口等）？5.项目：RAG 和 GraphRAG 在处理多跳推理时的根本区别是什么？6.项目：GraphRAG 如何解决传统 RAG 的“召回噪声”和“信息碎片”问题？7.项目：为什么 GraphRAG 能实现更精准的结构化召回？关键依赖是什么？8.项目：如果不用图数据库，能实现真正的 GraphRAG 吗？为什么？9.代码题：最长连续递增子序列（LeetCode 674）

我在职场摸爬滚打多年，看过数千份简历，也亲自带过不少实习生。关于“一段长期深度实习” vs “多段短期浅尝辄止”，这其实是大学生职业规划中非常经典的一个博弈。 如果非要给个一锤定音的结论，作为招聘方，我的答案是： 在大多数情况下，一段有结果、有闭环的“长期深度实习”，远比三四段走马观花的“短期体验”要“香”得多。 但我会把这个问题拆解开来讲，因为不同阶段，策略不同。以下是我从**招聘官视角（Hiring Manager Perspective）**为你做的深度剖析：一、 为什么我看重“长期深度实习”？（6个月以上）在筛选简历和面试时，我对长期实习的候选人往往会有更高的期待值和信任度，原因有三点...

1. 简历深挖围绕实习项目展开，问得很细，建议把自己做的每个模块的逻辑、贡献、思考都理清楚。2. 理论基础1.KL散度和交叉熵的关系？2.介绍LoRA，和全参SFT怎么选？小模型SFT vs 大模型LoRA效果可能如何？SFT数据集怎么构建？3.介绍AUC，它表达的是什么？4.Recall重要的场景下，如果recall很高但precision很低怎么办？5.Precision和Recall分别是什么？不同场景下如何权衡？哪个更重要？3. 手撕代码实现 shuffle 函数（注意洗牌算法的公平性和复杂度）

一个是百度文库的多模态AIGC算法，做文库的多模态内容生成方向；一个是荣耀的大模型算法工程师，偏向强化学习，做类似豆包手机的东西。楼主是第一次实习，不知道该怎么选希望看到的家人们来点意见