1. 自我介绍2. 多模态里的旋转位置编码是怎么落到二维视觉 token 上的二维视觉 token 不像纯文本那样天然是一维顺序，所以多模态里的 RoPE 通常不会直接照搬文本侧。常见做法是把二维位置拆成行和列两个轴，分别做旋转位置编码，再把两个方向的信息组合到同一个视觉 token 表示里。这样模型在注意力里不仅能感知“前后”，还能保留一部分“上下左右”的相对结构。真正难的不是公式本身，而是视觉 token 经过压缩、重采样、patch merge 之后，原始空间坐标已经不再一一对应。这个时候二维 RoPE 的设计就要和视觉编码器、projector 以及后续 token 压缩方式一起看，否...

最近才准备开始投，没实习，八股只看了一点点形势有点严峻😇

想问一下这个岗位进去主要是干啥，Java能干吗

🕐面试时间：60min❓面试问题：自我介绍ai coding 40min，给一个业务需求，做一个词包agent（10w+词进行分类，plus一些业务问题），只需给一个大致的架构方案设计，当大模型给出方案后，面试官会问你觉得这个方案有什么坑点，也会给你一些提示（10w+单词不好全让大模型来做分类，想法是让一个子agent或子模块来做），你也可以让大模型来想解决办法。聊聊对agent的认识有没有用过open clawskills了解吗你刚才想到了用子agent的思路，在什么情况下会这么做，有什么好处skills和子agnet有什么区别，什么场景下选择不同的解决方法（我回答的是看整体的任务复杂度，...