快手开奖

bg双9，电商部门 大模型应用算法，开了35*16，a不了一点，逆天，直接拒了

1、京东 信贷业务，偏大模型应用，n * 20，工作时间9 9 5；2、百度 ai计算部，ai infra岗位 （n - 2）* 16 + 8万的签字费，工作时间10 9 5；3、华为 16级，终端下的搜推业务，（n - 2）* 15 + 10万 * 3 的签字费；4、度小满 小满星人才计划，做金融大模型应用，（n + 2）* 15 + 10万签字费，工作时间10 9 5；5、百亿量化私募开发岗位，n * 16，工作时间 9 7 5；目前还有快手和阿里没有开奖，想听听各位前辈和大佬的建议，不胜感激。

昨天刚开，大概是终面后一个多月左右，38*16 有签字费

1.你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2.构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离？你是如何保证线程安全的？4.微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。5.DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？6.你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？7.假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？8.多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？9.你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？10.有没有做过工具调用失败后的feedback策略设计？11.训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？12.有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？13.你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？