字节Agent开发一面 95min 麻了

如果你最近关注AI Agent，会发现大家好像都在做Agent了，而且功能越来越多，场景越来越复杂。但一个很现实的问题也开始出现——这些Agent到底做得好不好？差在哪？还能怎么优化？很多时候，这件事不能仅仅肉眼看出来的。今天这个AI Agent评测工程师就在解决这个问题。相比“做Agent”，它更关注的是另一件事：如何系统性地评估一个Agent的能力，并用结果反过来驱动产品迭代。一天一个AI岗位介绍，今天我们来看看AI Agent测评工程师。🧩 主要工作内容：给Agent建立一套“可量化的评价体系”从JD来看，这个岗位的核心并不是开发功能，而是围绕“评测”做一整套体系建设。但这里的“评测”...

给我面没招了，发点面经攒攒人品～1、实习拷打2、Agent项目是实习项目还是个人项目?3、Agent在学术上由哪些部分组成?4、Agent如何减少幻觉?在工业场景下怎么做?5、多Agent/多异步任务下，如何防止上下文污染?6、讲一下Agent中的"长短期记忆"7、了解过Agent的设计范式吗?8、Channel和传统的锁(Mutex)在实现并发控制时有什么区别?各自的适用场景是什么?9、Redis为什么单线程?10、当P的本地队列为空或者不为空时，它会怎么去调度G(协程)?11、Redis支持哪些数据结构12、为什么Redis的速度这么快13、如何实现一个类似淘宝搜索框的实时商品名称模糊搜索功能?14、实时输入联想与输入完成后点击搜索在技术实现上有什么本质区别?15、实时搜索通常使用什么网络协议(如WebSocket)?你了解或有使用过吗?讲一下16、请详细说明微信扫码登录的完整流程和背后发生的原理17、在微服务架构中，服务发现和负载均衡是如何实现的?

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...

压力很大，面试官全程高压，问的问题不难，但是没有任何反馈，很慌张，也无算法。实习问了20分钟，一直问我你们做的有什么用，总时长一小时1.学校都有什么课程2.spring的ioc原理以及优点3.除了解耦还知道什么？4.springboot与spring区别，二者的源码看过没？Tomcat了解嘛？有没有具体看过5.spring的bean，面试官一直在重复一个思想问我懂不懂，完全没听过6.mybatis是干什么的？ibatis用过没？平常怎么写SQL？完全不写嘛？7.设计一个分布式双十一秒杀系统（前端，网关，缓存，数据库防超卖全设计）8.怎么做限流9.缓存与数据库一致性，你做异步要用户等你嘛？10.负载均衡怎么做11.多数据中心还是单数据中心，如果出现没卖完怎么做（到这完全不会了，面试官直接说换个话题吧）12.平常读书吗？13.上过哲学课嘛？14.兴趣爱好有没有15.对ai的看法16.来深圳有问题嘛？17.为什么不考研18.上大学带给了你什么？你提升在哪里，有没有具体的例子？反问：1.现在手机都有应用市场，应用宝怎么盈利？除了手机应用市场还是有人用，现在在做跨端，微软都有合作，之后会进军mac，主要做游戏，腾讯本身就是游戏大户。2.面试表现？整体评价一下会给到反馈。面完直接变HR面，今天HR面后，已经转为录用评估了，来牛客许个愿，暑期现在还没什么面试，希望能拿个offer之后再考虑要不要留在手子吧。