腾讯云 AI产品 日常实习 一面

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.介绍一个你参与过的 AI 项目。2.LLM 的基本原理、Diffusion 模型和 RAG 技术分别解决什么问题。3.微调和提示词工程有什么区别？在什么情况下会优先选择其中一种？4.如何处理大模型的幻觉问题？5.设计一款 AI + 场景的产品，需要说明用户痛点、核心功能以及功能优先级。6.AIGC 在金融或教育等垂直领域有哪些应用案例？7.如何将用户反馈转化为 AI 产品需求？可以结合一个具体案例说明。8.需求优先级通常如何排序？是否使用过 KANO 模型或四象限法则？9.对比国内大模型产品，比如 Kimi、DeepSeek、通义千问，它们在定位上有什么差异？10.分析一款 AI 工具，比如 Cursor 或通义听悟，你觉得它成功的原因是什么？11.如果需要为非目标用户设计产品，你通常会如何处理？

1. 自我介绍2. 项目拷打3. 你实习做了什么 有什么提升 详细说说4.Transformer 为什么适合做大模型底座？Transformer 适合做大模型底座，核心原因是 并行能力强、长距离依赖建模能力强、扩展性好。RNN 按时间步串行处理，训练效率低，而且长距离依赖容易衰减；Transformer 使用 Self-Attention 直接建模任意位置之间的关系，训练时可以并行处理整段序列，所以更适合大规模预训练。现在大部分大模型都以 Transformer 为核心结构。5. Self-Attention 的公式是什么？输入 (X) 先映射成 Query、Key、Value：注意力计算公式...

面试拷打： 大部分都是项目拷打（一个实习项目，一个raft，一个lsm_tree）tcp粘包go并发编程手撕：lru有点小瑕疵。感觉有点水，没啥强度，面试官自己都没咋准备。

总的来说是一个做交付的组，一面问的很杂，表现出来的像是主要做运维，解决一些客户的线上问题，做一些 docker 的打包交付，vllm/sglang 只是想知道简单的配置选项二面自我介绍完之后ld直接问我方向不是很匹配会不会去，我说不会，就友好结束了腾讯云 - 技术与产品方向 a. 自我介绍，对某AI芯片厂的经历比较感兴趣 i. 讲一个实习中最有亮点的算子，遇到什么问题，怎么解决 ii. 遇到过什么坑吗？ iii. 性能怎么调试？模型 -- 看op占比，算子 -- 看关键代码 iv. 精度怎么调式？op -- 单测，模型 -- 逐层对比 v. 对训练有什么了解吗，你们在训练过程中是如何做加速的？...