感觉自己好菜、面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.提示词模板(PromptTemplate)的设计原则是什么?在复杂任务场景下如何设计可复用、可扩展的Prompt结构?如何评估Prompt对模型输出质量的影响?2.在Agent架构中，单Agent与多Agent的设计权衡是什么?多Agent系统中任务如何拆分?子Agent之间如何进行协作、通信与状态管理?3.分支覆盖率(BranchCoverage)的统计原理是什么?代码覆盖率工具是如何通过代码插桩(Instrumentation)实现覆盖率统计的?编译期插桩和运行期插桩有什么区别?4.在代码生成或自动单测生成场景中，代码解析是否需要前置静态分析?如何利用AST、CFG或数据流分析判断生成测试用例的有效性?5.如果需要优化代码测试覆盖率相关指标(如分支覆盖率、路径覆盖率、MutationScore)，你会如何设计自动评估与优化策略?6.在自动生成单元测试的过程中，哪些类型的代码结构会显著降低模型生成测试用例的准确率或覆盖率?如何设计规则或模型来过滤无法自动生成单测的代码?7.对于AST和LSP无法正确解析或分析的代码结构，如何设计降级策略或fallback机制?8.在自动生成单测时，Mock机制是如何实现的?Mock框架底层是如何拦截函数调用或依赖注入的?9.多维度查询改写(QueryRewriting)通常包括哪些维度?在用户查询信息不足时，如何设计交互机制让用户参与补充信息?

给我面没招了，感觉自己好菜、面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.召回是怎么做的?2.蒸馏教师模型能让学生模型达到接近教师模型的能力吗?3.为什么大模型的推理总会有质量高的输出和质量低的输出?原理是什么4.介绍transformer的结构，包括自注意力机制的公式，softmax是做什么的5.BN和LN的区别是什么?6.用的多大的模型?为什么要用这么大的模型，没考虑过资源消耗吗?代码:非hot100的dfs

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.项目介绍2.介绍GRPO，DPO和SFT3.介绍PPO4.怎么重新设计奖励，不稀疏5.稀疏奖励怎么平滑6.LayerNorm和RMSNorm区别7.介绍transformer8.介绍GAN和VAE的区别9.介绍diffusion10.介绍GQA，怎么能和MHA性能相当手撕，反转链表的left到right的节点

发一下问题给大家参考，攒攒人品！1、实习拷打2、reward函数是如何设计的？数据集的配比是怎样的？3、inductive learning和transductive learning有什么区别？4、Viking是什么？相关业务背景是什么？5、冷启动时，不同专家模型特征输入为什么不同？6.编码树如何构建？为什么使用高斯分布？7、id特征为什么学习效果不好？8、给你整数 delay 和 forget，以及整数 n。每个人在发现秘密后的 delay 天开始，每天可以分享给一个新的人。在发现秘密 forget 天后会忘记秘密，忘记后不再分享。求第 n 天结束时知道秘密的人数

继续来分享下之前的面经~欢迎友好讨论，信息共享1.项目拷打2. 量化专项考察（Quantization）• 基础流程： 要求讲述INT8、W4A16的具体流程和应用场景。• 场景题（没答好）： 如果数据分布极不均匀，最小值为-10000，其余数值集中在[-1, 1]之间，应该使用什么量化方式？3. 手撕代码（Coding）• 题目： 手写一个算子。• 环境： 记事本（Notepad）手写，无高亮无补全

经常看到有人说，你去这里还不如去国企，难道国企是我想去就去的吗

1.自我介绍 2.简述一个你认为成功的案列 3.用户画像是如何做的 4.如何衡量用户体验 5.机器学习算法如何衡量模型的好坏 6.如何获取外部数据的？ 7.用户数据都是怎么分析的8.反问

染色，实际上是在素因子分解，每个数字能给它的素因子贡献 1 个长度。