大模型算法实习一面 滴滴

攒人品中，祝大家都能拿到满意的Offer！1.项目介绍2.实习拷打3.数据集构造相关的问题4.长文本外推技术细节5.科研开始时间及历程6.NIPS论文介绍与讨论7.大规模图上 GNN 应用8.GNN 与 LLM 结合理解9.场景题：设计偏好对话模型

1. Agent 的架构设计一个完整的 Agent，一般不是单独一个大模型就能跑起来，核心会拆成几层。最上面是任务入口，负责接收用户问题和上下文；中间是决策层，负责意图识别、任务拆解、规划和工具选择；下面是执行层，真正去调工具、查知识库、访问服务；最后是记忆和状态层，维护多轮上下文、历史执行结果和中间变量。如果做得再工程化一点，通常还会加一个校验层。因为模型规划出来的步骤不一定总是对的，工具参数也可能填错，所以在执行前后都要做检查，比如参数合法性校验、工具返回结构校验、结果一致性校验。Agent 真正难的地方不是“能不能想”，而是“想完之后能不能稳定执行”。2. RAG 的检索如何实现RAG ...

攒人品中～ 1.  项目里最核心的贡献是什么？怎么评估效果？2.  对比学习中如果负样本和正样本拉不开距离（或太像了），你会怎么修改损失函数或采样策略？3.  FlashAttention 原理：跟普通 Attention 的差异是什么？实现里 $QK^T$、Softmax、$PV$ 这几步是怎么落地的？4.  分布式框架3D 并行与通信：怎么理解 DP/DDP？通信瓶颈一般卡在哪些环节？5.  14B 模型，FP16 权重大概多大？训练时还要加哪些开销？如果用INT8 大概能省多少显存？6.  `torch.contiguous()` 是干嘛的？为什么推理阶段在意内存连续性？7.  代码题：井字棋判胜：读取 txt 井字棋（3×3）状态，判断当前玩家是否获胜。8.  代码题：交叉熵损失：解释原理并手写实现。9.  代码题：线性回归 SGD：推导更新公式并手写实现。

1、自我介绍2、项目介绍3、MySQL 和 PostgreSQL 的区别，分别用了什么数据结构实现MySQL 和 PostgreSQL 都是关系型数据库，但工程定位不太一样。MySQL 在互联网业务里用得更多，生态成熟，部署方便，读写性能稳定，适合常规 OLTP 场景。PostgreSQL 功能更完整，SQL 标准支持更强，扩展能力更好，像 JSONB、数组、GIS、自定义类型、全文检索、窗口函数这些都更强，复杂查询能力通常更好。从数据结构上看，MySQL 的 InnoDB 存储引擎主键索引采用的是 B+ 树，主键索引是聚簇索引，数据和主键放在一起；二级索引叶子节点存的是主键值，所以二级索引查...