美团ai面

攻略 🌈【大模型评估全攻略】！LLM七大核心评估维度保姆级拆解💯👉🏻预训练→SFT→RLHF→数据集→RAG→Agent→Prompt🔥一、预训练评估评估大型语言模型（LLM）的预训练效果需要从多个维度综合考量，涉及基础语言能力、下游任务表现、知识掌握、推理能力等。🔥二、SFT评估评估大型语言模型（LLM）在监督式微调（Supervised Fine-Tuning, SFT）后的效果，需要结合任务目标、领域特性和模型能力设计多维度的评估体系。🔥️三、RLHF评估评估大型语言模型（LLM）在通过RLHF（基于人类反馈的强化学习）后的效果需要从多个维度综合考量，包括生成质量、安全性、对齐性、任务完成度等。🔥四、数据集评估在评估数据集的质量时，可以从以下几个关键方面进行评估：1. 数据多样性2. 数据平衡性3. 数据完整性4. 数据一致性5. 数据与任务的适合性6. 标注准确性🔥五、RAG评估从召回、排序、生成、整体四个维度来评估RAG性能。使用了多种指标，如准确率（Correct）、错误率（Wrong）、失败率（Fail）、BERTScore、ROUGE Score等，以全面评估生成答案的质量。🔥六、Agent评估现如今Agent开发工具/框架不断出现，但如何全面地对Agent进行评估却很困难，本文就从介绍一些主流的Agent/LLM-as-Agent评估工作来看看是否能得到一些启发。🔥七、Prompt评估评估Prompt的好坏需要一个全面和多维度的方法，结合自动评估指标、人工评估和用户反馈等多种手段。选择合适的评估方法和技术，能够有效提升Prompt的质量和生成效果，进而提高模型的整体性能和应用体验。通过不断优化和改进Prompt设计，可以实现更自然、更准确、更有效的自然语言。

什么时候投的忘了 突然被捞 全程30min自我介绍八股：cpp中的多态：静态多态、动态多态智能指针中unique_ptr和shared_ptr的差异和应用场景为什么unique_ptr能实现不允许赋值操作(看过源码只记得operator=，细节忘了，淦智能指针怎么判断当前指向对象是否存在，提了weak_ptr.lock()，但不是面试官想听的答案场景：局域网中文件点对点传输，基于udp，给出方案按TCP可靠传输逻辑说了一下讲了本科参加竞赛的经历、分工、主要负责什么做题：只讲了思路没完全写数组中满足目标和的一组数下标二叉树是否对称反问：智能信息的cpp是做客户端的好好好 帖子刚写完 就挂了

说面试官临时有事提前面了 没开摄像头 📸感觉寄自我介绍说一下你常用的数据结构 说了说集合 吟唱一到一半问一嘴说要不要说底层 说不用了介绍三种集合的特征redis高并发下 怎么管理集群差不多的mysql一个更新 为1 一个更新为2 应该怎么办防止（面试官想问我版本号这块 没想到 满脑子想着唯一索引了）mysql的锁的粒度 只大体介绍了一下你看过的源码介绍一下（介绍的aqs）你项目里最记忆难忘的技术栈说了布隆过滤器介绍说了说底层说一下用没用过ai 怎么用的 或者是大模型的理解用过脚本嘛 python用过没最后看我27问了问学校情况以及实习能多久最后反问就面了20来分钟 刚开始有点紧张后来好些了 面试的最严重的问题感觉是在实际场景下怎么用相应八股答出来是改良点 然后emmm继续拓宽一下知识面吧

27届，写了苍穹外卖练手，最近又写完了黑马点评。我接下来是继续看黑马的那个Redis教程的高级篇和原理篇吗？还是直接学微服务，做个微服务项目。鼠鼠我基础知识很差，八股文我一点没看，很多知识也只会用不会说。所以这个暑假我不打算找实习，想像大佬问一下接下来的方向。是直接把这些Redis原理学了，还是到时候背八股文的时候再学?