我更看好 AI Agent 方向

1、自我介绍2、通俗讲一下大模型从训练到落地到评测的全过程可以把大模型看成一个先大量学习、再针对任务训练、最后真正上岗工作的系统。第一步是预训练。这个阶段会给模型非常大量的文本，让它去做“根据前文预测下一个词”这样的任务。比如给它一句“今天天气很”，它要预测下一个字可能是“好”还是“热”。这个过程做得足够大以后，模型就会学到语言规律、常识知识、一些推理模式和表达能力。第二步是微调或者对齐。预训练出来的模型虽然懂很多东西，但不一定会按人的要求回答，所以还要进一步训练。比如给它大量“问题-答案”数据，让它学会更像助手一样回复，这就是 SFT。有些场景还会继续做人类偏好对齐，比如让模型学会什么回答更...

真要说“嫡系”，我现在用得最多的还是 ChatGPT。写简历、改面试话术、查思路都比较顺手，尤其是帮我整理内容和补细节这块，确实省时间。当然 Claude 也会用，长文本体验不错，但日常高频打开的还是 ChatGPT，已经有点像工位搭子了。

1 . RAG 怎么评测，有哪些维度，那些指标RAG 的评测一般分成检索、生成、端到端三层。检索层主要看正确证据有没有被找回来，常用 Recall@K、HitRate@K、MRR、NDCG；生成层主要看答案对不对、是不是基于证据回答，常看 Answer Correctness、Faithfulness、Relevance、Completeness、Citation Accuracy；端到端层更偏业务效果，比如用户满意度、追问率、拒答率、时延和成本。真正做项目时不会只看最终答案，因为答案错可能是召回错、重排错、上下文拼接错，也可能是模型生成错。2. 数据集包括什么RAG 的数据集一般不只是知识库...

太压力了，面了2个多小时，本菜比已经被拷打的瑟瑟发抖面完两个小时后通知过了1.算法题三道（1）leetcode124 二叉树中最大路径和hard题 因为不久前才刷过撕出来了，又来了一道（2）leetcode 300 最长递增子序列变种除了递增之外还加了一个权重因素，但是思路没变，dp就行（3）寻找词汇库里符合固定长度前缀的匹配单词应该是他们自己题库的题。给了一串单词列表，然后又给了一个单词，一个下标，根据这个下标的前缀去单词列表里面找到所有匹配的单词再返回思路是创建一个单词前缀树，然后根据树找，但是可能是构件树数有问题没撕出来2.全方位项目拷打基本没有问八股，全部都是项目企业场景题，哎哟我操，完全不会。我就纯八股战士，结果没想到一道八股都没问反正尽可能把企业场景往八股上引吧。。1. 微服务多点部署其中一个宕机了怎么办2. 要是mq占据大量CPU该怎么排查？MySQL占据大量CPU该怎么排查？3. 假如说让你实现视频点赞功能，你打算怎么设计？讲讲思路（我知道多级缓存，但是碰巧没背……寄）4. Redis延迟双删是什么，分布式锁，哨兵模式5. MySQL到es同步的延迟该怎么优化6. Rabbit mq的队列是怎么实现的？（这个完全没整明白，可能是队列的底层结构? 反正我硬扯的讲了一下rabbit mq的架构）还扯了很多，但是往后完全就慌了），记住的是这些