AI后端开发二面 50min-腾讯

1．自我介绍2．字节实习提问．业务背景提问，建模的对象．垂类的视频得分是如何构建的．新加的特征是怎么得到的．介绍 MMCN 网络， MMCN 网络细挖，为什么 MMCN 不重复对其他头做交叉．介绍 scaling 的工作．介绍 tokenmixer 和 onetrans 的区别3．代码：．快速排序📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

前面基本上都在问论文 无手撕1. 自我介绍2. 介绍下简历上这个项目3. 你对对话 LLM 的理解是什么？它和普通文本生成模型的核心区别是什么？答案：对话 LLM 不是简单地做 next token prediction，它要在多轮交互里持续维护用户意图、对话状态、约束条件和安全边界。普通生成模型更关注单次输入到输出的流畅性，对话模型还要考虑上下文一致性、角色一致性、拒答策略、澄清提问以及工具调用。它的核心难点在于“历史信息并不等价于有效状态”。用户前面说过的内容，有的仍然有效，有的已经被修正，有的是噪声。对话 LLM 必须学会根据当前轮次重新解释历史，而不是把所有历史机械拼接进去。工程上通常...

感兴趣的话请直接将简历发至邮箱： guochengwei.gcw@alibaba-inc.com职位描述：1. 负责将大模型（LLM）能力落地到实际业务场景，包括但不限于Prompt工程、智能对话、知识库建设、内容生成及业务流程自动化；2. 设计并开发AI Agent系统及其框架，负责任务规划、多步推理（CoT）、工具调用（Function/Tool Calling）、记忆管理及多智能体协同等核心模块的实现；3. 构建LLMOps全链路流程，包括大模型应用评测、监控告警、数据标注及RAG（检索增强生成）全链路优化（如切片算法、召回重排等）；4. 参与大模型业务应用平台的研发，推动MCP（模型控制协议）生态建设、工作流编排及代码生成等提效工具的开发，构建高可靠、高扩展的AI架构。职位描述（英文）：职位要求：1. 本科及以上学历，计算机、人工智能、软件工程、数学或相关专业；2. 熟练掌握 Java、Python、Go、C++ 中至少一门编程语言，具备扎实的数据结构、算法基础、操作系统知识及良好的编程习惯；3. 了解大模型应用开发原理，熟悉 Prompt Engineering、RAG、LangChain、LlamaIndex 或 Dify 等业界主流大模型开发框架；4. 熟悉主流大模型（如GPT、Qwen、Llama等）的接口调用及特性，了解 Agent 架构及相关组件；5. 具备卓越的学习能力和自驱力，对AI技术充满热情，能够快速跟进并掌握业界最新技术动态。

面试时间： 5.21技术栈： Agent、Java、Python、Node、SQL、前端面试题目1.自我介绍2.新闻数据来源、数量规模如何存储，数据库表如何设计的，存哪些字段数据来源：RSS 订阅、爬虫抓取、第三方 API（如 NewsAPI）。存储规模达百万级时采用分库分表或时序分区。表设计核心字段：id、title、content、source、publish_time、category、embedding_vector（外链向量库）、create_time。按发布时间做范围分区，热数据放近期分区加速查询。3.新闻向量数据库如何分区？文本编码方式，新闻词嵌入，如何召回，编码方式和召回方式如...