百度aigc多模态算法实习三面

实习+项目:1. 详细介绍项目背景  结合业务场景2. 生成的训练数据,具体是怎么生成的?3. 数据增强是怎么做的?4. 怎么确保更大更复杂模型的结果,是100%正确的?  有没有量化指标可以确认5. 怎么样确保,把工具调用的轨迹 ,融入到种子数据集里面, promot是怎么设计的6. 除了lora以外 ,还了解其它的一些微调方法吗?7. 为什么lora的微调效果比较好?8. 切分策略是什么?9. 语义切分策略和固定大小切块分割策略,效果对比. 有哪些不一样的方面?八股:1. transformer的原理2. attention的公式3. 为什么除以根号dk算法:字符串解码面试回答的并不好，算法题未a出来。还是要好好沉淀

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.实习拷打2.Go是如何进行GC的3.标记法是怎么遍历的4.GMP模型解释一下5.Map是线程安全吗，如何保证线程安全？6.sync.Map的底层了解吗？7.乐观锁和悲观锁了解吗8.Mysql有哪些锁？9.哪些是悲观，哪些是乐观10.coding部分——leet原题——给一个字符串，这其中全部的回文字符串11.了解OpenClaw吗12.最近用了什么AI，怎么用的？

介绍实习的经历，主要做了什么？实习过程中吗，最难的地方在哪里？要是本地部署模型，会不会比在线调用的api快很多RAG到底是一种怎么样的技术？RAG到底是如何通过用户的话去匹配相关的资料的？如何提升他的精度，避免噪声?MySQL事务索引失效常见情况反问公司的业务实习生承担的角色

我前面几场面试讲项目的时候，一讲出来总有一种“像看过，不像做过”的感觉。后来自己复盘才发现，问题很多时候不在项目本身，而在于我讲项目的时候太喜欢报菜名了。上来就是用了 RAG、用了 Tool Calling，听起来东西很多，但讲完之后，面试官其实还是不知道你这个项目到底在解决什么问题，你自己又到底做了什么。3月份的时候我意识到，一个 Agent 项目讲得像不像真的做过，不是提了多少技术词，是有没有把那些只有做过才会在意的东西讲出来。比如不要一上来先讲架构，而是先讲为什么会变成这个架构。如果只是说“我们用了多 Agent”，这句话其实很空；但如果说“最开始想用单 Agent，后来发现规划、检索和执行全塞在一起之后，链路太长，出错了也不好定位，所以才拆开”，这就一下子不一样了。因为前者是在报结果，后者是在讲你做决策的过程，后者会更像你真的参与过，而不是把一个现成方案复述一遍。还有一个很重要的点，就是少讲“系统有什么”，多讲“改了什么”。真正会让项目突然变得“像自己做过”的，往往是那些变化。原来怎么做的，后来为什么改，改完之后解决了什么问题，哪个地方当时犹豫过，最后为什么选了现在这个方案。哪怕改动不大，只要是具体的，就会比“做了优化”这种话有说服力得多。比如说一开始检索结果直接拼上下文，后来发现召回一多模型就会被带偏，所以又补了一层 rerank，把 topk 从 10 压到 5，这种话就很像真的做过，因为里面有问题、有改动。还有一点我觉得很关键，就是尽量少用那种很抽象的词，多讲动作。比如“做了状态管理”这句话本身没错，但太空了。更像自己做过的说法是，因为这个任务是多步执行的，中间结果后面还要继续用，所以把当前任务状态单独存出来，不然某个 Tool 超时以后很难从中间恢复。只要开始用动作替代名词，整个项目就会一下子真实很多。我感觉，项目讲得像不像自己真的做过，不是看讲了多少，而是看有没有把这些东西说出来：为什么这么设计，具体改了什么，哪里出过问题，当时怎么处理的，哪些地方现在还不完美，但知道问题在哪。