许愿字节通过

没录音, 可能有遗漏Q1 自我介绍Q2 介绍一下你的 Agent 项目 (从前端到后端都说了一遍)Q3 你的这个对话 agent 在思考执行时前端是什么样的? (会输出思考流程 + 结果)Q4 前端对话在在执行过程中是怎么通过 sse 实现的 (这里不熟悉, 瞎扯了一番)Q5 上下文是怎么实现的Q6 MySQL 的索引是怎么实现的 (开始吟唱)Q7 项目是学习项目吗? 有投入现实使用吗? (都是学习网上开源项目)算法:Q1 1~n 的全排列 (由于不是 lc 的编译环境, 在写 lambda 递归函数时小卡了一下后成功做出)Q2 用容量为 a, b, c 的三个容器, 写一个函数判断是否可以盛出 t 容量的水 (不会做, 和面试官讨论很久一直在引导我, 面试过程中以为是 dp, 后面问 AI 才知道是 **裴蜀定理** )反问:Q1 觉得我答得怎么样? (可能是我 **Q2** 扯太久了, 不是商用项目都经不起推敲, 少聊一些项目)后面还扯了一些其他的内容, 面试官都是答一点就不深入聊了, 知道不感兴趣, 就没继续了反思:自己还是太学生思维了, 答项目那里应该说的 "高调一点". 还有就是死板的背知识点, 没有联系业务与服务

1.skill按需加载主要是解决什么问题？2.优化上下文有什么手段?3.讲解一下静态规划和动态规划的区别？4.讲解一下rag全流程5.ConcurrentHashMap的原理6.CAS是什么7.synchronized的是什么8.线程池参数9.jvm内存模型有什么？10垃圾回收判断算法？11.jvm双亲委派机制12.慢sql优化手段13.联合索引14缓存三剑客15.redis和mysql的缓存一致性问题16.rocketmq如何解决消费重复的问题？ 面试官问的还比较简单，算法题也没给我出

简直是夯爆了！！！1.实习项目相关问题2.详细介绍一下你做过的智能客服系统。3.你们这套系统主要的应用场景大概是怎么样的？能举个例子介绍一下。4.什么情况下需要用到你的那个 expert 相关技术？5.整套系统的主要难点是在于什么地方？6.中间的 Planner，它的规划机制是怎么样的？比如它底层需要调用哪些工具？是不是需要多轮规划？中间的一些详细设计是怎么设计的？7.你们怎么去评估客服对客户的输出是好还是坏？8.搜索功能是怎么实现的？9.你在中间起到的主要作用是什么？你做出了什么改进？10.你这个迭代的过程中，有 ground truth 吗？比如每一个 query 实际上最终最相关的商品是有哪些？11.你中间做了一些什么样的技术迭代？最终体现在人工评估指标上有什么样的提升？有做过对比吗？12.这个人工评估的指标是怎么设计的？最后它的指标结果怎么样？13.这个指标结果是内部人工评估的，还是线上的结果？14.中间优化的过程中，你们用的是一个什么样的模型？15.你的那个 expert 模型，怎么去训练的？样本从哪里来？16.导购场景的数据是真实的用户跟人工客服对话的场景数据吗？17.训练的样本量大概是多大？18.1000 条样本就足够训练你的这个模型了吗？19.你对比过训练之前跟训练之后，同样的问题模型学习后的能力提升大概有多少？20.你能做到比原始蒸馏出来的模型效果还强吗？21.训这个 8B 的模型用的是多大显存的？什么显卡？八股1.正常来说，1B 的模型在没有做任何量化的情况下，原始 FP 格式存储大概要占到多少显存？2.不考虑梯度的情况，单纯只考虑 Inference，把参数加载到显存里面大概要占多少显存？3.平时有用过一些量化加速的方法吗？4.常用的量化手段比如 INT4、INT8、BF，它们之间怎么做到加速的？你有了解过吗？5.FP 跟 BF 之间的区别，你了解吗？6.FP 和 BF 底层实现的区别主要在哪个地方？7.正常的 MP32 在底层数据存储上，小数是怎么表示的？手撕：有连续的 N 个正整数，随机抽出一个（不拿头尾），将其他数乱序放入 N-1 大小的数组中，找出被取出的数。要求时间复杂度 O (N)，空间复杂度 O (1)。

来北京全满科技已经快两年了，回头看，收获真的不少。北京全满科技是一家技术驱动型公司，业务发展快，技术更新换代也快。这种环境对人的考验很大，但也非常锻炼人。我观察到，身边陆续离开的同事，大多数并不是能力不行，而是面对新技术的时候，容易先打退堂鼓。技术一变，心态先崩，慢慢就跟不上节奏了。而在北京全满科技最宝贵的一点是：你是直接跟项目走的，不是做边缘打杂的工作。只要愿意学，技术提升非常快。很多项目逼着你必须去接触新框架、新工具、新思路。一段时间下来，你会发现自己解决问题的能力明显上了一个台阶。相比之下，那些比较墨守成规、习惯待在舒适区的同事，往往会在行业技术转折的节点选择离职。这也能理解。但有意思的...