minimax AI agent实习一面

给我面没招了，发点面经攒攒人品～1.项目拷打2.提示词模板是怎么设计和迭代的？你怎么判断一个模板是真的更好了？3.你们的 Agent 是单 Agent 还是多 Agent？为什么这么设计？有没有考虑过另一种方案？4.Agent 任务是怎么拆分的？拆分粒度是怎么决定的？5.上下文是怎么构建的？你们怎么避免上下文过长或者信息污染？6.如果上下文窗口不够，你优先保留哪些信息？为什么？7.你们做代码理解的时候，AST、调用关系这些信息是怎么用起来的？8.单测生成里，哪些代码其实不适合生成单测？你们是怎么识别并过滤的？9.覆盖率高但测试质量很差，这种情况你见过吗？你们是怎么解决的？10.mock 在单测里什么时候是必须的？什么时候反而会带来问题？11.如果一个函数依赖数据库和RPC，你怎么让模型生成的单测还能稳定运行？12.你们怎么评估生成单测的质量？除了覆盖率，还有哪些指标？13.LLM 的输入到底是什么？模型真正看到的是什么？14.self attention 的核心作用是什么？为什么要拆成 QKV？为什么 attention 可以建模长距离关系，15.为什么需要 multi-head为什么 attention 可以看成动态加权16.同一个 token 的 Q、K、V 为什么不一样？17.attention 复杂度很高，如果上下文特别长，你会怎么优化？18.模型产生幻觉的时候，一般是什么原因？工程上有什么办法降低

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 “想完能不能稳定执行”。2. RAG 的检索如何实现？RA...

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.介绍实习项目中主要负责的工作和具体任务2.介绍实习项目中 GRPO 的设计思路，包括工具调用能力的设计考量3.简单讲解 yarn 的设计思路4.讲解原始 RoPE 的原理5.讲解 GRPO 的实现方式6.讲解 PPO 和 DPO 的相关原理7.讲解 Transformer 的 Encoder 和 Decoder 相关内容，包括 Encoder 的模块组成8.定义 rag 中召回率的计算和评判标准9.讲解 MHA 中 Q 的定义， Attention 计算过程10.说明 MHA 采用多头设计的原因11.对比 Encoder 和 Decoder 的主要区别12.讲解 MQA 和 GQA 的相关原理23．说明大模型中归一化操作的应用维度13.手撕1：最长括号序列

工作氛围：强度：不如美团，这边正式工大概八九点的样子下班，会少，不开日会，在美团感觉每个人都好忙，白天一直在开会对齐，滴滴这边感觉就是很“安静”； 业务：滴滴做引擎架构，算是核心组，于我而言业务难度比美团难很多，一直在加班看业务看链路，主要也是我菜。这段时间就一直在学go，看业务、看链路+干一些杂活； 福利：和美团不相上下，也很开水，每天晚上30餐补，但是不能提现，第二天就清零，9点之后打车报销，除此之外就没啥了； 培养：感觉滴滴的培养比美团要多一些？至少我是这样，mentor三天两头问我链路有没有不懂的，每周都要找时间1 on 1解疑答惑，且leader告诉我mentor要让我做完整的项目，...