发点面经攒攒人品～1.coding agent能力2.实习处理文本数据还是数值型数据3.文本分析竞赛经历 jieba分词 Lda模型4.如何对超长 多段结构复杂的agent日志数据根据代码任务类型进行分类打标签 生产代码/教学代码/测试运维代码5.thinking input output 工具调用 执行效率等等六个维度来搭建一套可对比可量化的指标体系6.Embedding模型7.大模型/小模型训练经验8.预训练数据处理流程9.小模型训练特点10.如果对于一个教学级代码想要打标签如何进行11.何采取比较通俗的语言说服质检或者数据部的人接受你的指标或者标签分级12.当日志量比较大的情况下采取什么样的统计学方法能够以尽量少的样本使得不丢失过多信息

攒人品中，祝大家都能拿到满意的Offer！无手撕1.项目里的三路召回具体是怎么做的?2.ltemCF中物品的共现次数具体是如何计算的?除了统计共现次数，还有其他手段衡量ItemCF的物品相似度吗?3.Word2Vec召回具体是怎么实现的?训练里的中心词具体指什么，原始输入数据是什么，如何评估Word2Vec训练出的向量好坏?4.ItemCF中物品共现的样本对是如何构造的?这样构造有什么问题?5.除了共现次数加衰减系数的方式，有没有其他方法衡量物品相关性?6.ltemCF和Word2Vec用的是相同的共现信息，为什么还要单独做Word2Vec这路召回?7.为什么DIN模型在这个项目里效果不如树模型?

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.实习拷打2.拷打第一个项目:2.1新引入的特征是否进行了筛选?例如根据特征重要性等?2.2线上收益如何?2.3如果方法考虑迁移到新闻领域，是否能够复用?3.拷打第二个项目:3.1序列长度为何定256，是否做过更长更短对比?4.其他非项目的业务场景题:4.1新内容冷启动如何做受众匹配?4.2如果用大模型做受众模拟，你会怎么设计方案?4.3如何平衡长短期行为和实时行为?4.4如何区分长期稳定兴趣与短期热点兴趣?4.5热点事件下内容争议性如何刻画?4.6用户不喜欢热点时，如何做高热内容消退和退场?4.7同样是dislike，如何区分兴趣内不喜欢和兴趣外不喜欢?

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 实习拷打2. 上下文压缩率达到85%，压缩之后的效果有进行测试吗？3. N轮窗口会不会超过大模型上下文限制？4. 用Prompt保留重要信息后，压缩效果有量化指标吗？5. 项目优化之后的上线标准是什么？6. 动态知识注入是什么，能讲一下吗？7. RAG全链路是怎么设计的？从用户query输入到检索再到大模型回复。8. query改写后召回指标大概能到多少？9. 如果要改进RAG链路，你有什么想法？10. 知识图谱怎么构建？11. 意图识别用lora微调，数据是怎么清洗的？12. 原始数据清洗的标准是什么？13. 如何通过提示词让大模型按要求清洗并保留目标数据？清洗指标是什么？14. 意图识别一共分多少个意图类别？15. 数据清洗打完标签后，还需要做预处理再微调吗？16. 意图识别模块有做过其他实验提升指标吗？17. 原生大模型不训练，仅靠提示词意图识别准确率是多少？18. Agent全链路调度以及工具调用机制是怎么做的？19. 项目替换成小龙虾架构是否有可行性？20. GRPO和PPO的区别30. 手撕三数之和，并讲解题思路

才发现写的是例题