背景：对体系结构/底软都有兴趣 写过多种NPU算子 但是没写过核心的 gemm/attn，用过一点 vllm关于选方向的思考：写算子感觉以后肯定是不行了，算子其实也是开发工作，搜索空间比较小主要过程也是在试错不同写法，llm 肯定能做的比人好；ai时代感觉发现问题定义问题才是人的价值，所以想去能看到更大scope的地方，所以这个基模infra / 软硬件协同设计都挺喜欢的疑惑是- [ ] 字节对ai芯片投入到底怎么样，相比去紫霄/平头哥/昆仑芯or其他独立算力卡厂？而且这个岗位叫做硅前性能验证，在boss上真的搜不到相关的岗位啊🤔 以后去做架构师？- [ ] 文心做的到底行不行啊 在厂内优先级还高吗 学的到东西吗 出来认可度怎么样，基模训练 infra 真的很有💰吗

1. 自我介绍2. RAG系统的核心架构、检索优化与在教育场景的落地难点RAG核心架构分为数据预处理、检索模块、提示工程、大模型生成、后处理校验五部分。检索优化包括混合检索、多轮检索、知识切片、向量库优化等。在教育场景的落地难点在于知识专业性强、知识点关联复杂，易出现检索不精准；题目、公式、图表等多模态数据的结构化提取难度大；学生提问口语化、歧义多，意图理解难度高；需严格保证知识准确性，避免大模型幻觉。解决方案包括构建教育领域专属知识库、多模态文档解析、意图识别优化、事实校验机制等。3. SFT的核心流程、数据构造要点与在教育大模型中的应用SFT核心流程为数据准备、模型选择、微调策略、训练配置...

这是好的迹象吗？ 题做上了 问会不会数据分析 我说不会 他说没事加分项

面试官人超好，最后主动给我讲了面试反馈建议，全程没有问八股，都是问的技术选型/ai发展等等，收获巨大，早点上次的阿里国际也去面面了（被我睡过头鸽掉了）秋招一定再冲一下阿里简单做一下自我介绍。为什么要做 RAG 知识库这个项目？项目技术选型为什么选用 MySQL、Redis、Kafka 这些组件？除了 ES 做向量检索，还了解其他实现方案吗？做 RAG 链路，社区有没有其他现成 / 流行的方案，有没有做过调研？项目中比较有挑战的地方是什么？数据清洗、日期提取这个问题是怎么发现的？为什么不自己部署一个模型，而是用 DeepSeek API？会结合实时检索内容发给大模型吗？是模型自身检索还是 age...