面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目拷打2实习拷打3.什么工具去做了这个 agent 框架？4.你后面打算考虑往哪方面发展？在研究和业务方面你更偏向于哪一块？5.开放题：我看你也做了这么多 LLM 的事情，你怎么看待 LLM 的发展？6.场景题：假设你现在在做商品的推荐，这里面涉及到多个推荐的场景，每个推荐的场景推荐的物品又不太一样，有些地方是推电商的商品，有些又只推外卖的商品，可能还有些推的是优惠券，那你怎么想办法对这些商品进行理解后整合到一起实现一个整体的推荐系统而不是多个模型去做推荐？7.代码题：根据相似度召回top1的文本

1、单例模式的注意事项，有哪些需要注意的答案：单例模式本身不难，难的是细节。真正要注意的点主要是线程安全、生命周期、析构时机、拷贝控制和全局依赖污染。如果是多线程环境，初始化过程必须保证线程安全；如果单例里持有文件句柄、网络连接、共享内存句柄这类资源，还要考虑进程退出时能不能安全释放。另外单例对象一般都不应该允许拷贝和赋值，否则“全局唯一”这个语义就被破坏了。还有一个很容易被忽略的问题是，单例虽然方便，但会让模块之间形成隐式依赖，测试时也不太好替换，所以不能什么都往单例上套。如果用 C++11 之后的写法，通常直接用局部静态对象实现就够了，初始化是线程安全的。代码： class Singlet...

感觉自己好菜、面试很难，还是要多多练习1.大模型相关经历深挖：你项目里最核心的贡献是什么，怎么验证有效2.对比学习 loss：负样本和正样本拉不开/太像了，你会怎么改损失或采样3.FlashAttention 跟普通 attention 的差异？实现里 QK^T、softmax、PV 这几步怎么落4.3D 并行里 DP/DDP你怎么理解；实际落地时通信瓶颈一般卡在哪些环节5.14B：FP16 权重大概多大；训练还要加哪些；INT8 大概能省多少6.torch.contiguous() 干嘛的？推理为什么在意连续性7.代码：读 txt 井字棋（3×3），判断当前玩家是否获胜8.交叉熵损失：解释/怎么写9.线性回归用 SGD：更新公式怎么推/怎么写

今天介绍一个最近在 GitHub Trending 上爆火的开源项目——learn-claude-code，目前已经快 3 万星了。 项目地址：https://github.com/shareAI-lab/learn-claude-code 这个项目是干嘛的？ 一句话概括：从零开始，手把手教你搓一个类似 Claude Code 的 AI Agent。 用过 Claude Code 的朋友应该都好奇过：它到底是怎么做到"你说一句话，它就能帮你改代码、跑命令、操作文件"的？这个项目就是来揭秘的。 作者的核心观点很直接——"Bash is all you need&qu...