上海某中厂AI 大模型校招面经

一天一个AI岗位介绍，今天要解读的JD岗位是——AI应用研发（直播类）。在所有 AI 应用场景里，直播可能是最“极端”的一个：高并发、强实时、强互动、强转化。如果一个 AI Agent 能在直播场景稳定跑起来，那基本说明——工程能力是过关的。一句话概括它的核心工作：在高并发直播场景里，把 AI Agent 从“概念”变成可规模化运行的系统。不是做 Demo，不是写论文，而是——让 Agent 真正在流量洪峰里活下来。一、这个岗位到底在做什么？它可以拆成两条主线：基建 + 应用落地。1️⃣ AI Agent 框架基建（偏工程核心）JD里提到 MCP 标准、微服务集成、低延迟、安全集成。翻译一下就...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 注意力机制2. LN和RMSNorm3. 长思维链了解吗？（不太了解4. 多模态了解吗？（不了解5. LoRA和 QLoRA？6. 多轮对话怎么处理（主包只是讲了讲自己的思路7. GRPO讲解一下

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...

发一下问题给大家参考，攒攒人品！1.实习拷打2.项目中的工作流是怎么搭建的3.工作流怎么评测的4.工作流的项目是怎么部署的，单体应用还是微服务架构?对K8S的了解5.谈谈你对DDD的理解6.你了解MySQL的多表Update吗?7.Redis的发布订阅机制8.讲讲开源项目的贡献经历9.工作流搭建的时候有没有设计到可用性问题10.聊一聊你们项目中分库分表是怎么做的11.讲讲一些不常见的设计模式，你是怎么理解和使用的12.讲讲你对RAG的理解