发点面经攒攒人品～1. 项目细节2. 全量微调和sft rl3. Dpo rlhf联系区别 ,dpo介绍,ppo和dpo的相似之处4. prefill和decode的复杂度，kv cache手撕lc9 最长无重复子串lc1143 最长公共子序列

继续来分享下之前的面经~欢迎友好讨论，信息共享1.实习拷打2.论文拷打3.那介绍一下你的项目吧？4.你agent项目框架的时候有什么考虑？除了langchain你还了解或者调研过别的框架吗？5.谈谈你对于agent的理解吧？你觉得agent包括哪些部分？运行机制是怎样的？6.你觉得planning规划这一块是agent框架做的还是大模型做的？7.planning有哪些方法可以实现？分别讲一讲？8.你在写agent的时候有用过长期记忆和短期记忆吗？9.短期记忆和长期记忆有什么区别？10.你觉得短期记忆里会存储function call的内容吗？如果不放进短期记忆的话会有什么问题？11.工具的话你会用MCP之类的吗？还是就自己写代码写？你觉得大模型的工具实现有什么好处吗？12.关于RAG你有什么看法？召回的时候你有调什么参数之类的吗？13.python的一些内容？14.手撕：合并两个有序数组

攒人品中，祝大家都能拿到满意的Offer！1.记忆系统中的意图识别是做什么的。2.为什么embedding选择1024维度，而不是更高或更低。3.Qwen4Bembedding是如何实现的，模型框架是什么，是否属于BERT系列。4.Qwen34Brerank是如何实现的。5.注意力机制(Attention)如何实现。6.Q、K、V矩阵是如何得到的。7.Attention中除以dk的作用。8.如果不除以dk，有没有替代方式。9.多头注意力(Multi-HeadAttention)解释一下。10.多头注意力存在什么问题。11.如何解决多头注意力计算开销过大的问题。12.RoPE是什么，RoPE解决了什么问题。13.memory系统中，如果文本过长如何处理。14.摘要总结会丢失细节，如何解决。15.不同agent之间的记忆如何共享。16.一个agent除了记忆模块还应该包含哪些

给我面没招了，发点面经攒攒人品～Q1：你的 Agent 具备上下文记忆功能，基于 ReAct 模式，目前实际运行中最多能支持多少轮对话？Q2：在 ReAct 模式下，Agent 需要频繁调用工具。考虑到不同大模型（如 Kimi 支持 20 万+ token，DeepSeek 支持 10 万+ token）的上下文窗口限制，您在执行过程中是否遇到过因工具调用次数过多（N 次）导致 Token 超出限制（撑爆上下文）的情况？如果有，是如何处理的？Q3：在问答类场景中，如果 Agent 陷入死循环（例如反复搜索不到内容，不断重复“查看文件 - 搜索文件”的操作），有什么机制来检测并处理这种异常情况？Q4：项目基于 MCP 协议集成了服务器资源查询、数据操作和校内文档检索，为什么没有考虑集成外部互联网资源的检索能力？Q5：像 Codex 这类代码模型，其内部显然不是基于向量检索的。您是否研究或思考过 Codex 内部的文件检索策略是如何实现的？Q6：目前 OpenClaw 比较热门，您是否阅读过相关源码或研究过其技术实现？Q7：您提到了“服务器辅助开发”功能，是基于 Plan-Execute-RePlan 的方式实现的。能否详细讲解一下这一功能的具体实现逻辑？

发一下问题给大家参考，攒攒人品！1.项目拷打2.主流的多模态大模型具体方案3.qwen的vl4.图片细粒度问题如何解决llamaqwen-vl5.gwen vl3做的优化 deepstack6.moe的负载均衡解决什么问题7.transformer里self-attention计算逻辑 qkv各自象征什么意义8.手撕接雨水