拼多多算法暑期实习信息确认

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.二元交叉熵3.常用的深度学习api4.VIT结构5.分类模型6.堆的数据结构7.手撕力扣中等题排序问题

前言面试官盯着简历看了几秒，说："你项目里用了 TypeScript？为什么用？别人用你就用？"我笑了笑，心里想："这都被你发现了，TS 这玩意是跟风就能用得转的吗？"一、痛点在哪？JavaScript 到底缺了啥？先上个例子： function fetchUser(id) { return fetch(`/api/user/${id}`) .then(res => res.json()) .then(data => { console.log(data.name.toUpperCase()); }); } 看起来正常吧？但如果后端突然改了字...

1. 介绍论文2. Transformer结构3. 注意力机制4. 交叉熵5. 实际微调采用怎么样的配置，如何选取合适的学习率、batch size等等6. PPO（本来面试官想要深挖，但是我表示了自己不太擅长强化学习就没接着问了）7. 注意力机制的优化有哪些（答：GQA、MLA、FlashAttn）8. 算法题：模拟BPE的实现。追问有没有优化的方法（我写的太暴力了）。面试官人很有耐心，一直在深入追问细节，意识到了自己很多不足的地方，感恩。

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...