1- 拷打后训练项目2- 熟悉Verl框架吗？里面数据处理和训练流程逻辑，比如roll-out的生成、奖励函数打分、优势和loss的计算有了解吗3- GRPO的优势是什么？4- 拷打实习（agent相关）5- 有没有研究过大模型上下文的工作，比如推理加速或长上下文扩展？6- KV Cache的改进？7- Coding：最长公共子序列

----------------------------------12.30 一面全部问的实习手撕：快排----------------------------------1.6 二面问实习了解过 LLM 类似的机器学习相关的原理性的一些东西吗？（说了些transformer原理）agent的几种模式？分别有什么特点和优劣？反问：几轮面试 回答：两轮技术面+一轮hr反问：部门 回答：同花顺的ai部门----------------------------------暂无后续bg四非本，还是太难了没什么面试，唉

问题1：对比主流大模型（如GPT、BERT、T5）在网络结构、核心机制（编码器-解码器结构、层数配置）上的核心差异，并分析这些技术选择对模型在生成力、理解深度和效率等方面的影响。问题2：大模型训练和推理中常用的位置编码方案有哪些？请分别说明每种编码方式的优势、局限性及适用模型。问题3：拆解大模型自能体（Agent）的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。问题4：描述大模型从预训练、微调（指令微调）到推理部署的完整流程，说明每个阶段的核心目标及关键技术。问题5：在项目中的技术改进动机是什么？遇到了哪些痛点？改进后带来了哪些具体收益？如何量化这些收益？问题6：什么是大模型幻觉现象？分析其产生原因及业内有效缓解方法。问题7：大模型生成文本时为何会出现重复内容？列举主流解决方法并分析其他可能原因。问题8：分析当前大模型行业在技术应用、落地中的待解决问题，并提出创新解决思路。问题9：若设计面向办公协同或智能客服的场景化大模型，应从哪些方面入手？说明设计决策的原因。问题10：分析百度文心一言的技术性能、功能体验和应用场景，指出其优势及可改进之处。

背景介绍：单2硕，27届，计算机专业，无论文，一段中厂AI应用开发实习均是1.8开始投递，之前准备的大模型算法，结果一个都没有回应，都是大模型和后端的面试，白准备了从1.8号开始复习Java八股和力扣算法，之前有半年多没看了，还好有之前的笔记，复习了3天裸面字节（也佩服我的勇气）字节 --- 后端开发1.12 一面 八股盛宴，面试官对我大模型项目不太有兴趣，问了50分钟八股 算法：双线程交叉打印1.15 二面 场景八股 面试官非常有水平，问的八股比较活，同时还问了sql，之前没有准备 算法：下一个排列1.19 问了hr，10分钟回我挂了，发感谢信美团 --大模型应用开发1.13 一面 问了50...