攒攒人品！有面试过同岗的朋友欢迎评论区交流实习拷打接下来是长达40多分钟的项目拷问，没有特别深入，整个过程倾向于我描述我是怎么做的，主要是知识库文本库构建和rag。问了以下几个技术点:1. 爬虫是怎么做的2. 文档结构化处理入库是怎么做的，有没有遇到不好切分的问题3. 多模态知识库是如何对齐的4. 除了架构设计，有没有自己去做检索算法还有一段微调训练语义解析模型的经历:1. SFT有哪些2. lora 微调的原理3. loss怎么算的，训练目标是什么最后直接聊到怎么看待大模型时代下，人学算法看代码有什么用，个人对未来的职业规划是什么。接着手撕，leetcode100中的最大子数组和，动态规划就结束了。

攒人品中 1.项目拷打2.你了解哪些机器学习、深度学习、大模型算法？3.Transformer为什么效果好、有哪些trick使他能变得这么好用4.二分类模型用什么loss函数，评估指标5.回归模型用什么loss函数，评估指标，Mse和mae分别用在什么样的数据集6.有什么防止过拟合的方法7.dropout为什么能防止过拟合8.如果修改loss函数防止过拟合手撕了一道easy题

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习 模型选型 function call流程 dpo优缺点2.Agent是怎么选择工具的3.对于一个边界不好定义的场景，类似skill这种形式不能很好区分场景披露工具，怎么办 sft和rag的适用场景4.RAG系统整体流程 对于不同类型的文档分块策略5.重排策略的选择 如果开发一个Agent，web socket和另一个什么选哪个6.ai coding，对于一个客服Agent，当前的奖励函数有：Reward 7.hacking问题、稀疏问题、区分度太大问题（只有完全正确和错误），请设计新的reward解决至少两个，并且列5个case，其中需要包含边界和可能Reward hacking的case

努力拥抱AI中…拷打实习1.介绍一个觉得比较有意思有代表性的实习项目2.项目业务场景和目的3.loss怎么算的4.focal loss效果，公式5.数据处理6.跑了哪些评测集7.最终缺陷8.解决办法9.模型之外的方法- 手撕代码岛屿数量

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.项目拷打3.码本坍塌怎么解决4.怎么衡量生成的sid的质量5.生成式推荐出现幻觉怎么解决6.介绍onerec v1v2 think7.手撕 最长无重复字符的子序列