发一下问题给大家参考，攒攒人品！1.AIGC（如AI配音、生成素材）正在普及。你认为B站官方在提供这类工具时，应遵循哪些核心原则，以避免破坏社区“真实、诚意”的创作氛围？2.面对UP主“涨粉难、播放量不稳”的痛点，能否设计一个AI驱动的、合规的“创作建议”功能？它应包含哪些能力，如何避免被滥用为“流量密码指南”？3.AI功能（如一键生成字幕）的准确性直接影响用户体验。当准确率无法达到100%时，你如何通过产品设计（如交互、引导、补救措施）来管理用户预期、减少负面体验？4.如何评估一个面向创作者的AI功能（如“智能封面生成”）的成功？请定义上线前后需关注的创作者侧与观众侧核心指标。5.如何设计一个可持续的闭环，利用创作者对AI生成结果的编辑、选择等行为数据，反过来持续优化AI模型本身？6.如果考虑将某些高级AI功能（如高质量的AI配音、数字人播报）纳入“大会员”权益或单独付费，你认为最关键的产品与定价设计原则是什么？7.B站的广告模式（如花火平台）如何与AI结合？请设想一个AI赋能品牌方与UP主更高效匹配或内容共创的产品方案。8.描述一个你从0到1推进AI产品特性上线的完整经历。其中，在“定义需求”和“收集早期反馈”阶段，你采取的最有效的具体方法是什么？

1. RAG评估指标？2. 当你的模型效果不如预期时，你的分析流程是怎样的？3. 回复特别慢，如何排除和解决？4. 如何向非技术背景的同事解释大模型原理？5. Agentic RAG和传统RAG的区别？6. 场景题：假如一个Agent 推理链路包含3个工具+高频请求，系统整体延迟较高，你会如何优化？7.  项目里微调Qwen，选择的训练阶段和Loss函数是如何决定的？

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 项目拷打2.实习拷打3. 数据收集和处理，使用Grpah-Rag的优势，本项目中Grpah的作用。4. 训练数据的构建细节5. 遇到数据内容冲突时应该如何处理？6. Rec、MRR、Acc等常见检索指标。7. 除了LLM as a Judge，还有什么方法评测回答的效果？8. 当不同的专家对同一回答评分方差很大时应该怎么解决？9. 在校内的科研/实践经历。10. 常见的Agent和Memory管理的范式。11. 遇到的印象最深/工作量最多的实际工程编码问题。

感觉面完人都通透了，还是太菜了，下去沉淀一下1.项目拷打2.讲一下Qwen架构3.层归一化和RMS归一化的区别4.lora 是怎么节省显存的5.然后当场给了个场景，让我分别计算了一下全参和lora分别占多少显存6.讲一下RAG7.自注意力公式，为什么除根号dk8.线性回归的损失函数是什么？逻辑回归的损失函数是什么？9.逻辑回归损失函数为什么不能是MSE10.softmax不同类别样本数量极不平衡时怎么办？11.手撕了一个二分查找的题