无题

时长:30min(应该是我比较菜)自我介绍，对Agent项目拷打20min，几个关键问题没有回答的很好，这时候就感觉寄了。回答的不太好的问题。1.整个系统为什么这么设计，解决了什么问题？之前的方法没有解决吗？2.短期记忆具体是怎么用的，效果怎么测？3.怎么判断上下文过长，具体?一些知识性考察：1.Deepseek是怎么做负载均衡的？2.设计一个Agent要考虑哪些方面，怎么设计？

求助，怎么改进。约面都没有🙂‍↔️  

1. 自我介绍2. Qwen3.5 这类新一代模型，如果不只停留在“Transformer 变体”更有含金量的讲法不会只说它是 Decoder-only，而是会落到训练稳定性、推理效率和长上下文适配这三条线上。比如归一化方式、注意力结构、RoPE 扩展策略、GQA 对 KV cache 的影响、SwiGLU 对表达能力的提升，以及 tokenizer 和多语种兼容设计。面试官真正想听的是这些结构选择为什么出现，它们解决了什么具体问题，而不是模块名背诵。如果要再深一点，可以顺手带出工程后果。比如 GQA 不是为了论文好看，而是为了在长生成场景下降 KV cache 占用；长上下文扩展也不是简单把...