字节ai agent评测实习生-数据平台一二面凉经

一面时间：3.23

1. 自我介绍
2. 展开讲一下百度的实习（STAR法则）
3. 讲解一下图片的评测集是如何设计的
4. 评测执行中，有哪些自动化提效的部分
5. agent skill做ui自动化实现细节？
6. 测试case的覆盖度如何，通过率大概多少
7. badcase主要集中在哪些部分？
8. 针对badcase,解决思路是什么？
9. 你编写的功能脚本主要解决了什么问题？
10. 代码手撕：

如果给你一个包含1000条数据的JSON文件，请你用Python读取它，并统计其中某个字段（如label）的分布，你会怎么做？

1. 反问环节。

二面时间：3.24

1. 自我介绍
2. 展开讲一下百度的实习（STAR法则）
3. 你针对图片的评测标准如何构建？
4. 定义评测标准之后，是靠人去做吗，有没有自动化工具的引入？
5. 评测集总共有多少条？
6. 针对图片的一些图像检测算法有使用和引入吗？
7. 你觉得从评测集的覆盖度上看，有什么缺陷吗？
8. 从用户线上反馈来看，你觉得对于你评测集优化有什么帮助吗？
9. 评测集构建过程中，自己构建和用户反馈各自占的比例大概是多少？
10. 你对市面上主流的agent产品有了解吗？
11. 就结合上面这个业务，如果让你设计一个agent，你会如何设计？考虑哪些点。
12. 如果让你定义agent评测指标，你会关注哪些点？
13. agent性能维度，你了解哪些指标？
14. skill和tool的区别是什么？
15. 模型的上下文压缩有了解吗？
16. 你在实习过程中，有没有由你自己主导，实现并上线的一个功能，非执行层面的？
17. 实现过程中，用了哪些开源的skill或者工具，解决了什么问题？
18. 反问环节。