面麻了给我，攒人品中～1.后训练了解吗?介绍一下dpo和ppo的区别，grpo以及改进思路，优势函数怎么设计等等2.SFT的loss是怎么计算的?项目用到lora，了解过qlora吗?两者有什么区别?3.介绍self-attention，问为什么要除以根号下dk，可以除以其他数吗，或者有没有等价的方法?说一下不同的attention及原理和公式(MHA、MQA、GQA、MLA)4.位置编码有了解哪些?rope了解吗?5.Agent了解吗?什么是skills?什么是mcp?有啥区别?agent里面memory问题你认为有哪些解决方案?长期记忆合短期记忆怎么处理?上下文机制怎么实现?Cot和ToT的核心原理?ReAct了解过吗?6.手撕三数之和

📍面试公司：百度外包💻面试岗位：golang❓面试问题：个人介绍Redis类型以及各自的使用场景除了redis还用没用过其他的消息队列，平常怎么用的MySQL5和8有什么区别SQL调优经验AI了解过MCP吗Skills有没有了解过几道基本的coding题目二面：个人介绍redis和mysql的常规八股quickSort

给我面没招了，发点面经攒攒人品～1.介绍一下你的实习经历和主要工作内容。2.在微调大模型时，你使用过哪些框架？它们的优缺点分别是什么？3.CLIP 模型的 zero-shot 能力是如何实现的？它在多模态任务中的应用有哪些优势？4.Transformer 中 Pre-Norm 和 Post-Norm 的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型中，为何通常采用 Decoder-only 架构而非 Encoder-Decoder 结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对 Transformer 模型推理过程，你会采用哪些优化手段？8.请阐述RAG的核心原理，并说明如何通过 RAG 缓解大模型的幻觉问题。9.vLLM 框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10.请对比 RLHF、PPO、DPO 算法的技术差异、优缺点及适用场景。

1. 介绍一下你做过的一个项目2. 打分模型设计思路是什么打分模型本质上是在多个候选里做排序，重点不是绝对分值，而是相对顺序。设计时先要明确标签来源，如果是检索系统里的重排，一般可以来自人工相关性标注、点击日志、停留时长、复制行为、是否继续追问等；如果是生成答案质量打分，还会加入事实一致性、格式完整性、引用正确性这些目标。特征上通常会混合语义特征和业务特征，比如 query 向量、doc 向量、交叉编码器打分、文档时效性、来源可信度、标题匹配度。训练时常见有 pointwise、pairwise、listwise 三种。pointwise 简单，适合做基础版本；pairwise 更符合排序本质...