字节Agent开发一面 95min 麻了

1. 项目拷打2. Agent 和传统工作流到底有什么区别传统工作流更像一个提前画好的流程图，路径基本固定，输入来了以后按节点顺序执行，比如分类、检索、总结、返回。它的优点是稳定、可控、好排查，比较适合业务规则明确的场景。Agent 的核心不是“多一步调用模型”，而是“具备动态决策能力”。它会根据任务目标、当前上下文和外部环境决定下一步做什么，比如先查知识库还是先问用户补信息，要不要调工具，要不要继续分解任务。实际落地里，纯 Agent 和纯工作流都不多，更多是混合架构。主链路用 workflow 保稳定，在复杂节点里再让 Agent 做决策，这样可控性和灵活性都会更好一些。3. 你理解的 A...

本人本科阶段一直是写cpp的，曾凭借还不错的cpp功底侥幸斩获过某大厂的offer。本科毕业后最终没选择进厂而是读研，目前研二。读研后天天摆烂，cpp知识早已忘得一干二净。目前对于未来的规划是回家乡找个电网烟草银行之类的央国企稳稳躺平。由于自己对央国企了解不多，并且这些企业的招聘要求总是写得宽泛而模糊，故想向牛客网的各位前辈请教，央国企卡编程语言吗？比如我们都知道互联网这条赛道cpp岗位相对偏少而java岗位相对更多，因此我身边很多同学都选择了java这条路，包括我目前实验室研三刚刚就业的几位师兄也同样是java。如果说银行啊电网啊这些企业招计算机都招java的，那我就转java；如果他们根本不care用什么语言，那我就打算继续cpp。我看过电网、运营商的校招要求，完全没谈编程语言的事情，只限制了专业。求牛客前辈支支招，如果我未来的求职方向主要是央国企，我需要转java吗？还是继续坚持cpp就好（我内心其实比较喜欢cpp）此外，再额外问一下，虽然我比较向往家乡央国企，但也不排除bat等大厂的可能，想知道目前的求职环境下，是java比较吃香，还是继续搞cpp也不错？ 求指点

一面时间：3.23自我介绍展开讲一下百度的实习（STAR法则）讲解一下图片的评测集是如何设计的评测执行中，有哪些自动化提效的部分agent skill做ui自动化实现细节？测试case的覆盖度如何，通过率大概多少badcase主要集中在哪些部分？针对badcase,解决思路是什么？你编写的功能脚本主要解决了什么问题？代码手撕：如果给你一个包含1000条数据的JSON文件，请你用Python读取它，并统计其中某个字段（如label）的分布，你会怎么做？反问环节。二面时间：3.24自我介绍展开讲一下百度的实习（STAR法则）你针对图片的评测标准如何构建？定义评测标准之后，是靠人去做吗，有没有自动化...

1️⃣讲一下强化学习 reward 函数设计。(1）可验证奖励（ RLVR )：对有确定答案的任务（数学、代码），用 ground - truth 结果验证（正确+1，错误0/-1)。(2）奖励模型（ RM - based Reward )：对主观任务（对话、写作），训练 RM 从偏好数据学习打分。(3）规则奖励：对特定安全／格式要求，用硬规则直接判断。2️⃣现有 Embedding 模型相比 CLIP 的区别？(1）训练目标不同： CLIP 用 InfoNCE 做图文对比，目标是让匹配图文对相似；专用模型用 SimCSE ／三元组损失／ NLI 监督／多任务，目标是精确捕捉文本语义的细粒度差异。(2）数据质量不同：专用模型训练于高质量语义标注对，语义标注精准； CLIP 训练于网络爬取图文对，文本侧噪声大、以短标题为主，不利于文本语义建模。(3)性能对比： MTEB 基准上， BGE - Base /E5- Base 等在文本检索、语义相似度等任务上大幅领先 CLIP ；但 CLIP 在图文检索上仍有独特优势。3️⃣ GRPO 和 PPO 的区别。(1）架构差异： PPO 需要四个模型（策略模型π t _0、旧策略、奖励模型 RM 、价值模型 Critic )，显存占用大， Critic 的估计偏差还可能干扰 advantage 计算。 GRPO 只需策略模型，对每个 prompt 采样 G 个输出，用组内平均奖励作为 baseline 替代 Critic ，去掉了价值模型的全部开销。(2) Baseline 设计： PPO 的 baseline 是 Critic 预测的状态价值; GRPO 的 baseline 是当前 prompt 下同组 G 个 rollout 的均值。(3）适用场景： GRPO 对"组内多样性"要求高，特别适合有可验证奖励的推理任务; PPO 更通用但更复杂，适合需要精确价值估计的场景。4️⃣大模型训练流程。(1）预训练（ Pre - training )：目标是从海量无标注文本（万亿 token 级别）学习语言统计规律和世界知识，任务是 next - token prediction 。(2）监督微调（ SFT )：用高质量（ instruction , response ）对让模型学会遵循指令。(3）对齐训练（ RLHF / DPO / GRPO )：让模型输出符合人类偏好，通过奖励模型反馈或直接偏好优化进一步提升质量和安全性。5️⃣微调大模型如何卡阈值。可验证任务（数学／代码）用"正确性"作为硬阈值（只要正确的）；生成任务用 RM 综合分数阈值。6️⃣为什么 CLIP 的嵌入效果不好？①文本编码器仅支持77 tokens （基于 GPT -2架构），无法处理长文本；② nfoNCE 对比目标只要求"匹配图文对靠近"，不需要区分文本之间的细粒度语义差异，嵌入空间对文本相似度分辨能力弱；③预训练数据以互联网短标题为主，语义噪声大，文本侧质量不足；④对文本扰动敏感（微小改动可能导致检索排序大变）。7️⃣［代码题］手撕了 InfoNCE 代码 InfoNCE loss 的实现﹣﹣计算相似度矩阵（点积／余弦）、温度缩放、对角线为正样本的 cross - entropy loss ，批次内负样本。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。