500强德企博世一面ai实习生 已oc

G66邀请码1235955，意味着未来智能拥有业内最丰富的场景听觉数据积累。在AI Agent时代，场景化数据是训练和优化Agent能力的核心资产——它携带了上下文、时序和意图的完整闭环，一条录音片段，不仅包含语音转写出的文字，更隐含着说话人身份、话题转折点、情绪变化、待办事项的触发条件等多维信息。AI Agent通过对这类数据的反复学习，才能逐步建立对“什么是重要信息”、“何时该主动介入”、“如何完成闭环任务”的判断力。换言之，场景化数据决定了Agent的“情商”与“执行力”——即它在真实世界中是否好用、是否让人愿意持续使用。更进一步，场景化数据还具备高度的差异性和不可复制性。公开的语料任何...

简直是夯爆了！！！1.实习项目相关问题2.详细介绍一下你做过的智能客服系统。3.你们这套系统主要的应用场景大概是怎么样的？能举个例子介绍一下。4.什么情况下需要用到你的那个 expert 相关技术？5.整套系统的主要难点是在于什么地方？6.中间的 Planner，它的规划机制是怎么样的？比如它底层需要调用哪些工具？是不是需要多轮规划？中间的一些详细设计是怎么设计的？7.你们怎么去评估客服对客户的输出是好还是坏？8.搜索功能是怎么实现的？9.你在中间起到的主要作用是什么？你做出了什么改进？10.你这个迭代的过程中，有 ground truth 吗？比如每一个 query 实际上最终最相关的商品是有哪些？11.你中间做了一些什么样的技术迭代？最终体现在人工评估指标上有什么样的提升？有做过对比吗？12.这个人工评估的指标是怎么设计的？最后它的指标结果怎么样？13.这个指标结果是内部人工评估的，还是线上的结果？14.中间优化的过程中，你们用的是一个什么样的模型？15.你的那个 expert 模型，怎么去训练的？样本从哪里来？16.导购场景的数据是真实的用户跟人工客服对话的场景数据吗？17.训练的样本量大概是多大？18.1000 条样本就足够训练你的这个模型了吗？19.你对比过训练之前跟训练之后，同样的问题模型学习后的能力提升大概有多少？20.你能做到比原始蒸馏出来的模型效果还强吗？21.训这个 8B 的模型用的是多大显存的？什么显卡？八股1.正常来说，1B 的模型在没有做任何量化的情况下，原始 FP 格式存储大概要占到多少显存？2.不考虑梯度的情况，单纯只考虑 Inference，把参数加载到显存里面大概要占多少显存？3.平时有用过一些量化加速的方法吗？4.常用的量化手段比如 INT4、INT8、BF，它们之间怎么做到加速的？你有了解过吗？5.FP 跟 BF 之间的区别，你了解吗？6.FP 和 BF 底层实现的区别主要在哪个地方？7.正常的 MP32 在底层数据存储上，小数是怎么表示的？手撕：有连续的 N 个正整数，随机抽出一个（不拿头尾），将其他数乱序放入 N-1 大小的数组中，找出被取出的数。要求时间复杂度 O (N)，空间复杂度 O (1)。

一、面试官筛简历时在想什么我每天看几十份简历，看到“熟练掌握PyTorch”“熟悉Transformer架构”这种话，基本跳过。为什么？因为谁都会写这句话，但80%的人经不起追问。我真正想看到的是：这人到底用AI干了什么实事？项目描述里有没有具体的问题→方案→结果他调的是别人的库还是自己改的？有没有提到修改源码、优化性能、处理bad case效果是真的好还是随便写的？有没有可量化的指标（准确率提升X%、耗时降低Y%）这项目是他主导的还是跟跑的？有没有明确写出个人贡献二、好的AI能力简历长什么样我直接给你一个对比，你感受一下：❌ 差的写法“使用PyTorch实现了一个图像分类模型，准确率达到95...

bg2本 大一大二太摆了，一直玩游戏去了。目前每天学8小时，只准备了一个微服务项目，比特的在线判题系统，简历也没写，八股才背了一点和项目相关的，算法hot100也才刷20+晚上躺在床上看牛友们的简历，参考到我的进度越来越焦虑和没动力。目前不知道是速成黑马点评(直接下载源码本地运行+背相关八股)，背八股+刷算法全力冲中小厂java后端开发日常实习(如果能进中厂已经是祖坟冒烟了)，赶在秋招前拿到一段实习经历还是好好再准备一个项目，背八股和hot100刷完直接冲秋招。前辈们能给点建议吗?(比如什么项目可以，点评，或者其他什么项目)