字节大模型算法面经

1.介绍下self-attention，计算其时间复杂度。
2.为什么要用multi-head attention？
3.PPO的clip机制？在线强化学习和离线强化学习有什么区别？RLHF是哪一种？
4.为什么要用reference model? 为了解决什么问题？
5.如何让多个agent协同工作的？举个具体的协同机制例子。
6.如果一个agent误判导致策略冲突，如何处理？
7.有没有用到类似AutoGen或LangChain的框架？为什么选这个框架？
8.你是怎么设计agent的记忆系统？
9.长期记忆如何存储？如果历史记录量非常大，怎么优化查询效率？
10.你怎么处理响应速度与推理精度之间的tradeoff？是先召回再精排，还是单次生成？

📳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。