1.自我介绍2.LangGraph相比于LangChain有什么优势？LangGraph的状态快照机制了解吗，大概是怎么实现的？你的向量记忆库是如何更新用户画像的？3.如何区分短期记忆和长期记忆？ 安全护栏是如何实现敏感词拦截的？4. 在RAG中，文档切片的粒度如何选择？5. 向量数据库索引中，IVF_FLAT和HNSW有什么区别？各自的适用场景？6. 什么是CoT？为什么它能提高模型处理复杂任务的能力？7.HTTP协议中GET和POST请求的区别？8.介绍一下Function Call的流程，模型是如何知道该调用哪个工具的？9.介绍一下vLLM中PagedAttention的原理10. 大模型应用中常见的幻觉有哪些类型？在工程上如何缓解？11. Python中列表和元组的区别12.介绍一下Python中的装饰器及其应用场景13.手撕：无重复字符的最长子串📳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。

1.项目相关：你的这个项目中的多模态融合，以及 cross - attention ，动态门控是如何实现的？2.你们的实验结果有和其他模型进行对比吗？3.你训练的这个模型参数多少？4. ReAct 模式是怎么样的？5.你们 RAG 的部分是如何解决 Query 混乱，检索精度低的问题的？6.你们检索召回精度是多少？7.你说爬取了罕见病相关的知识进行 RAG ,那么通用大模型的训练语料会不会已经爬取了他们进行训练，为什么你还要做 RAG ?8.八股相关： Transformer 中的 Decoder 介绍一下你的理解？9.你用的计算机编程语言中的锁可以介绍一下？10.你有了解过 Multi - Agent 架构吗？11.你对 B ＋树有了解嘛？12.多头注意力机制你的理解是什么，为什么不能换成单头的？13. Al coding ，开发一个符合具体要求的代码自动审核和修复的 Agent ，限时半小时。📳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。

超越GPT Image/Banana，已全量上线，Benchmark开源📳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。

暑期实习 | 时长：约65分钟1. 个人基础情况介绍2. 实习经历深度追问3. 首个项目深挖：MinerU解析跨页表格时，保障表格语义完整的核心思路？简述Ragas评测框架；若Answer Relevance指标偏低，如何精准区分检索质量与模型能力的影响边界？4. 第二个项目深究：LangGraph中State的定义逻辑与流转机制？当任务节点数量较多时，如何规避状态对象膨胀引发的内存溢出问题？长期记忆库层面，多轮对话信息提炼为结构化用户画像并入库的具体实现路径？5. 文档切片策略：overlap参数的核心作用？如何权衡分片尺寸与上下文完整性之间的平衡关系？6. 对GraphRAG的理解与应用认知7. GraphRAG召回海量关联信息后，生成阶段如何借助自反思（Self-Reflection）或思维链（CoT）策略过滤检索噪声？8. ReAct框架的核心原理，阐述其对复杂任务理解能力的提升逻辑9. 模型调用工具出现参数幻觉、语法错误时，可采用的自动化修正手段有哪些？10. Multi-Agent系统中心化编排模式的内涵，对比点对点架构的核心优势11. Agent的Self-Reflection机制，说明其识别输出逻辑错误的底层原理12. Agent长期记忆的设计思路与核心要点13. 支付等高敏感操作场景下，Human-in-the-loop（人工介入）流程的设计原则与实现方式14. 单一Skill模块的设计思路与核心逻辑15. Skill与MCP的核心差异对比分析16. OpenClaw对Agent本地文件系统操作、代码执行环境感知及权限增强的实现逻辑17. 对Vibe Coding的理解，结合实际场景谈谈相关经验18. 如何保障自然语言任务描述能精准转化为稳定、可靠的执行路径？19. 上下文缓存的概念，说明其在处理Agent频繁读取的冗余系统指令时的核心价值20. 反向提问环节无算法手撕题📳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。

1. 简单做一下个人自我介绍。2. 详细聊聊你的过往实习经历与核心工作内容。3. MinerU输出内容为Markdown格式，相较于普通纯文本，其层级化结构会为检索环节带来哪些优势？你的整体业务链路里，VLM模型的介入时机是检索阶段还是仅用于最终答案生成？Ragas评测指标中，Faithfulness分数偏低一般反映模型存在哪类问题？4. 结合LangGraph框架，说明Node与Edge分别对应业务流程里的什么角色？智能体长短期记忆在落地实现层面存在哪些差异？短期记忆一般会存储在什么位置？Agent依靠什么逻辑完成工具的识别与择优调用，依赖工具名称还是功能描述？5. 分别说明向量检索与关键词检索的核心优势及短板劣势。6. 相较于直接向大模型发起提问，RAG方案为什么可以有效降低内容事实偏差问题？7. 当原始源文档发生内容变更时，如何保障向量数据库的索引数据能够实时同步更新？8. 简述Query Rewrite的核心定义，该优化手段可以针对性解决用户query的哪些痛点问题？9. 模型Temperature参数调高与调低，分别会对生成内容的风格、随机性带来哪些不同影响？10. 解释CoT思维链的底层原理，分析该方式为何能提升模型复杂任务的处理能力？11. 请说明Agent任务执行流程中，Thought、Action、Observation三者的循环协作逻辑。12. 当对话轮次过长、内容超出模型上下文最大窗口限制时，有哪些主流解决方案？13. 大模型进行工具调用的过程中，模型输出内容为直接答案还是携带调用参数的JSON格式字符串？14. 在Agent应用场景下，系统提示词与用户提示词对模型的约束力度、约束范围有何不同？15. 介绍HNSW索引的核心概念，分析其检索效率优于暴力全量搜索的核心原因。16. 交流探讨OpenClaw相关技术内容。17. 实际开发Agent落地项目时，如何依据任务场景判断选用7B小模型还是70B大模型？18. 若Agent持续重复发起错误的工具调用请求，应该从哪些环节排查并优化修复？📳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。

1️⃣一面（Code Agent 代码生成方向）1. 工程级Code Agent在处理项目上下文、生成代码时会遇到哪些核心挑战？2. 当前主流Agent框架在技术演进上有哪些关键改进方向？3. 如何系统性保障AI生成代码的质量、安全性与可控性？4. 有哪些有效手段可以验证AI生成代码的正确性？5. AI代码生成完成后，是否可以直接上线？还需要经过哪些关键环节的校验与治理？6. AI生成代码的技术在哪些场景下更具落地价值？又存在哪些应用边界？2️⃣二面（Agent应用开发方向）1. 2026年的Agent应用开发，相比往年在技术范式与落地模式上有哪些显著变化？2. 你当前参与的Agent应用开发项目采用的是哪种架构？是否接触过HANAS这类新兴模式？3. 在渐进式披露的架构设计下，是否还需要依赖RAG能力？二者的关系是什么？4. 你开发的Agent应用解决了哪些传统方式难以处理的核心问题？5. 请介绍一下你在Github上参与贡献的开源项目，以及你在其中承担的工作。6. 当初你是如何参与到这个开源项目中的？7. 在Agent开发中，上下文工程最关键的工作是什么？8. 你是否了解Cloud、Open Cloud这类主流Agent框架？它们的核心实现逻辑是什么？9. 你在Agent开发项目中遇到过最棘手的技术难题是什么？10. 你是如何定位并解决这些难题的？这次经历带来了哪些技术沉淀？11. 你后续的职业规划中，更倾向于什么样的岗位和业务方向？12. 你在校的学业水平处于什么水平？身边同学的求职与学习情况如何？13. 你更倾向于在哪个城市工作？为什么？📳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。

1. 个人介绍2. 说明项目来源，阐述为何选择做这个项目，以及本次项目的学习目的是什么3. 分享项目中使用AI辅助编程的具体情况，讲解开发过程中如何借助AI工具完成开发，如果回到项目启动初期，会如何更高效地利用AI工具推进项目4. 阐述Agent（智能体）和LLM（大语言模型）的区别，如果让你从零开发Agent，会重点考虑哪些核心要素5. 说明项目推进过程中，针对AI相关功能的设计思路以及功能迭代的思考逻辑6. 是否使用过LangChain、LangGraph框架，请阐述基于LangGraph做开发时的整体思考与设计逻辑7. 分享你在项目中采用的Agent记忆（AgentMemory）解决方案，当记忆内容超出模型上下文窗口时，有哪些可行的信息压缩方式8. 讲解不同等级的AgentMemory分别具备什么作用9. 除了多级缓存之外，还可以设计哪些缓存方案？有哪些常用的缓存工具和相关插件可以使用？10. 如果让你设计智能体与大模型相关的分布式系统，会从哪些方面进行综合考量11. 近期在学习什么相关项目，有关注哪些优质的GitHub开源项目📳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。

📳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。

1．为什么用 sft ，不用强化学习？能不能直接强化学习？2．为什么要用强化学习对齐， SFT 为什么不能对齐？3．为什么要微调，提示词不行吗？（针对金融项目 lora 微调）4.vllm显存占用是怎样的？观察哪些 vllm 的指标来优化显存的？5．大模型 lora 训练时需要设置哪些参数？6．训练时观察的指标有什么？如何知道是过拟合，欠拟合？7．如何训练的？一次训练好的吗？8.Flash attention , page attention 原理。9．强化学习有自己训练过吗？10．算法手撕：中序遍历二叉树📳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。

1.位置编码作用是什么2.绝对位置编码和相对位置编码的区别，应用场景有什么不同？3.了解强化学习算法吗，说下他们的区别( PPO , GRPO , DPO )4.项目训练过程中，怎么解决过拟合的？5.LayerNorm有了解吗， BatchNorm 和 LayerNorm 的区别吗6.针对项目问题：Embedding 和 ReRank 模型具体怎么做的微调？7.针对项目问题：双路召回的 Topk , k 是如何确定的，有没有试过尝试一个多召回一些，一个少召回一点？8.平时用过哪些 Code Agent ？有什么优缺点？9.手撕： Attention 手撕10.手撕：三数之和手撕📳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。

📳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。

1．自我介绍2．介绍实习项目，整体的模型框架3．为什么你设计的模块可以解决负迁移4．介绍你们的特征交叉怎么做的5．序列建模怎么做的6．损失函数用的是什么7．有接触过线上吗，怎么推全8．解释 auc , gauc9．还了解什么排序模型10. transformer 介绍一下，位置编码怎么做的，加速方式11．介绍论文背景，遇到的挑战，数据集是自己的吗，预训练做了什么12．手撕最大子数组和📳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。

1．自我介绍2．介绍实习项目3．原来的基线中 mmoe 就有做不同任务之间的平衡，解决跷跷板问题，原来基线为什么做不到，你做这部分改进的出发点是什么4．为什么项目在 gate 之后又做了一个专有的网络？5．训练和推理的目标为什么不一致？6．推理的三个指标去训练6个任务的时候有提升，那为什么没有去增加更多的任务来做提升7．特征重要度你知道有哪些方式，其他的专门做因果推断去找特征重要度的方式？8．你们项目业务投放到客户的全流程是怎么样9．场景题：假如我作为一个个人广告主，我投出去的如果是一个低质视频，我们要给广告找到最好的用户去投，这里面商业和用户体验的平衡点是什么10．解释一下序列建模11.DIN的激活函数使用了什么，作用？12．论文怎么做的，盘问论文的思路13．手撕数组第 k 大的数📳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。

1．自我介绍2．项目深挖3.推荐业务目前的优化目标是什么？4.多场景建模具体指什么？不同场景下用户行为有什么差异？5.这些场景是分开建模还是统一建模？特征或网络层面有没有做场景区分？6.如果特征落盘时刻上下文发生变化7.介绍一下 RankMixer 的结构原理。它与 MLP 、 Transformer 或 DIN 相比，核心区别和优势是什么？8.如果拓展 token 数量，具体如何实现？9.所有场景样本是一起训练还是分开训练？指标是看全局还是分场景？10.超长序列建模的长度是多少？具体实现方案是什么？11.多尺度注意力指的是什么？与全序列原生 attention 相比有何区别？12.不同时间段的序列输出如何融合？如何平衡每个时期兴趣的权重？有没有自适应机制？13.手撕代码： Request 维度的 GAUC 计算📳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。