找工记录07 - 蚂蚁AI Coding

1. 实习拷打2. AI Coding 的笔试如果只是人工造 case 去测，你觉得它离生产可交付还差什么人工造 case 只能验证“在已知分布上能不能过样例”，离生产可交付还差三层。第一层是任务边界，要明确输入约束、输出格式、失败语义和回滚策略，不然模型生成的内容没法进入真实工作流。第二层是稳定性，要知道不同仓库规模、不同语言、不同依赖环境下性能会不会抖。第三层是验收能力，必须补静态检查、单测、sandbox 执行、diff 审核和回归评估。没有这些，AI Coding 最多是演示能力，不是工程能力。 def validate_patch(patch, repo_path): if not ...

许愿一个hr面，许愿携程oc

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

主要围绕项目和工程 没怎么问八股1. 实际工程落地的难点有哪些？你在项目中遇到了哪些类似的难点？2. 科研 / 工程的预期目标和实际目标出现偏差后怎么做？3. 工程实际条件与预计条件不符时该怎么调整？4. 能主要讲讲你项目 A（这个科研项目，面试官后面也坦言不清楚这个，就象征问问）5. 你这个项目可能本身还是比较偏向算法的，他的工程特点是什么？6. 你项目 B 采用了多重上下文压缩机制，你能讲讲是怎么做的吗？7. 你项目 B 与 CC 的服务目标一致的，可以说说它的特点吗？8. 怎么规范 Agent 取出 Skill 后的行为，让其严格按照 Skill 给出的流程执行？9. 你设计了多 Agent 模式，有考虑到多 Agent 和单 Agent 的优劣吗？10. 高并发场景下，你怎么保证服务的质量、一致性？11. 有了解分布式集群吗？（开始强调基础知识的重要性，说面的好多学生都是不太清楚具体工程中需要关注的点，说不少学生都偏向模型本身而忽略一些底层工程知识，比如数据库一致性、操作系统和分布式服务等）面试官最后：还是要回归基本功