给我面没招了，感觉自己好菜、面试很难，还是要多多练习1. 推荐场景多是ID类特征，如何结合大模型做2. 介绍下mmoe3. 模型优化中一共几个expert，3个expert，每个任务加expert，expert之间有交互吗，是否做过消融实验4. 选择特征是在bottom部分还是在expert的部分，每个任务的bottom部分相同吗5. 模型的样本量多少？6. 原始样本数据的正负样本比例，处理后的呢？7. 正负样本比例差别大的话如何处理，纠偏怎么做？8. 模型训练是单机训练吗9. 模型新增预估目标，模型的预估是什么？10. AUC的含义，计算方法，分子分母11. 介绍一下Adam优化器，一阶和二阶是如何设计的12. 手撕逆序对，用归并排序

手把手带你从零搭一个 AI Agent｜本地运行，不花一分钱 今天推荐一个 GitHub 上的宝藏项目——AI Agents from Scratch，用本地大模型从第一性原理构建 AI Agent。不需要 API Key，不需要花钱，不需要 GPU，8GB 内存的笔记本就能跑。 为什么推荐这个项目？ 市面上大部分 Agent 教程都是"调 API + 套框架"，你跟着跑通了，但不知道底层在干嘛。这个项目不一样：  从零开始：不用 LangChain、不用 AutoGen，纯手写 本地运行：用 node-llama-cpp 加载 GGUF 模型，完全离线 10 个递进式 L...

最近找实习真的找麻了。bg双9，2篇具身智能论文中稿，2篇在投。研究方向偏向于rl，llm也有项目。目前手上有字节深圳推荐算法（生成式推荐，ai分身）以及智元上海vla rl的offer。搜广推的话好处就是字节title大，而且做的是生成式推荐，跟llm和rl有关，也算是先进。缺点是字节深圳感觉非核心，而且秋招前只能有一段实习不知道在广东找到能不能找到好的搜推（腾讯，虾皮）。vla的话首先base在上海，个人想回广东发展，并且智元体量和字节没法比。但是vla这两年的工资更高，秋招的时候更对口。广东也有对口企业，并且应该可以冲一下sp，ssp。个人也更擅长一点，回广东找工作应该不成问题。纠结中，求各位大佬分享自己的想法。

1、自我介绍2、项目深挖3、如果让你设计一个 Agent 的评测体系，你会怎么做Agent 的评测不能只看最终回答像不像，因为很多场景里最终答案看起来没问题，但中间过程其实已经错了。真正可用的评测体系应该至少覆盖三层。第一层是结果评测，也就是任务有没有完成，最终输出是不是符合目标。第二层是过程评测，要看任务拆解是否合理、工具是否选对、参数是否正确、执行顺序是否稳定。第三层是系统评测，要看延迟、成功率、重试率、单次成本、异常恢复能力这些工程指标。如果是线上系统，我会把评测拆成离线和在线两部分。离线阶段构造标准数据集，做固定样本回放，评估规划正确率、工具调用成功率、任务完成率和输出质量。在线阶段则...