美团ai面完了，为什么又发了个邮件让ai面

前言面试官盯着简历看了几秒，说："你项目里用了 TypeScript？为什么用？别人用你就用？"我笑了笑，心里想："这都被你发现了，TS 这玩意是跟风就能用得转的吗？"一、痛点在哪？JavaScript 到底缺了啥？先上个例子： function fetchUser(id) { return fetch(`/api/user/${id}`) .then(res => res.json()) .then(data => { console.log(data.name.toUpperCase()); }); } 看起来正常吧？但如果后端突然改了字...

给我面没招了，发点面经攒攒人品～1.  项目拷打2.  实习中做了什么？遇到什么问题？怎么评估效果？3.  怎么理解 YaRN？跟其他长文本/外推方案相比差异在哪？4.  RoPE 怎么跟 MLA 结合起来讲？只在短文本训过的模型，如何做长文本外推？5.  flash-attention / Megatron-LM 你了解哪些关键点？6.  了解哪些Tokenizer算法？像 DeepSeek 这类的分词思路跟标准 BPE 有什么不同？8.  coding：先讲原理，手写 FFN

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...