学历厂投递就挂

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2. 项目拷打1: agent怎么做的，embedding怎么提的，为什么用无监督方法，后续有什么优化方向，怎么优化，强化学习怎么做3.项目拷打2: 生成式召回和传统召回的区别，召回数量有多少，sid有不匹配的问题吗，线上指标有提升吗，v3这样改进为什么会有效果4.八股：介绍onerec，强化学习具体怎么做5.手撕：旋转数组

实习介绍java的基础类型三大特性异常处理常见的异常kakfa的消息发送模式推模式和拉模式，轮训机制，超时控制轮询机制如果kafka消费失败了怎么办？自定义重试kafka的数据发送到消费者就会马上消失吗？手动ack消息发送到kafka就直接标记成消息发送成功了吗？isr机制反射，反射的底层，methodhandlecglib，jkdproxyjdk21的新特性分代zgc，虚拟线程java8默认的垃圾回收器介绍jvm内存区域堆和栈的区别对象一定创建在堆上吗什么是逃逸分析逃逸分析的好处是什么程序计数器和指令寄存器是用来干什么的JVM 如何是判断这是一个垃圾要进行回收的？垃圾回收是被发现后就马上回收...

【职位描述】你是否想过，一个能理解“这个商品适合我吗？”、“为什么还没发货？”、“能不能退差价？”的AI客服，背后是如何思考和行动的？在淘天集团店小蜜团队，我们正打造下一代基于大模型Agent的智能问答机器人系统，覆盖亿级用户的售前导购、商品推荐、活动咨询、售后排障、退款物流等全链路服务场景。加入我们，你将：🔹 构建电商领域最强AI客服Agent：和算法同学协作，基于大语言模型（LLM），设计具备任务理解、工具调用、多轮推理与决策能力的智能体（Agent），让AI真正“会思考、能办事”🔹 打造高可用AI工程系统：将RAG、动态Prompt编排、上下文管理、长期记忆等前沿AI技术，与高并发后端服务深度融合，支撑日均千万级对话请求🔹 深耕智能客服核心场景：从“用户问一句，AI答得准”，到“用户没开口，AI已预判”，你将参与构建覆盖售前推荐、活动解读、商品对比、售后排障、物流追踪等复杂业务逻辑的智能服务引擎🔹 参与AI与工程双轮驱动的技术基建：既探索与落地Agent框架的深度优化，体验AI Coding的编程魅力，也设计高性能、低延迟、高可用的分布式服务架构，涵盖缓存策略、JVM调优、多线程调度、微服务治理、消息队列等核心工程能力在这里，你不是在做“玩具Demo”，而是在真实亿级流量场景中，定义AI客服的未来形态。来吧，和我们一起，用AI重新定义“服务”！【职位要求】本科及以上学历，计算机科学、软件工程、人工智能相关专业优先熟练使用Python/Java等编程语言，熟悉Spring、Mybatis、Springboot、JVM、多线程、分布式服务、缓存、消息队列等技术栈熟悉 HTML、CSS、JavaScript/Typescript，掌握 React/Vue 等前端框架，具备一定的前端界面开发基础。有一定的AI Agent、RAG、LLM应用开发项目经验，熟悉Agent基础框架实现原理，了解高可用、高扩展性的大模型/Agent工程架构熟悉AI Coding，最好有一定的实践经验具备问题/价值驱动的探索精神和优秀的问题解决能力敢于创新，对AI技术充满热情，能够持续关注和学习AIGC前沿技术研究，并主动探索AI新技术/新范式在商业场景中的应用边界📢 📢 📢 📢 📢 📢 📢 📢 📢 📢 📢 📢内推请发简历到邮箱：**********有问题也可加qq，知无不答。

1. 什么是生成式大模型？生成式大模型，就是在海量数据上训练出来，能够根据输入内容继续生成文本、代码、摘要、问答结果的一类模型。它不是去数据库里“查原句”，而是根据上下文，一个 token 一个 token 往后预测，所以它能生成新的内容。现在主流大模型大多是 Transformer 架构，尤其是 Decoder-only 这一类。因为这种结构天然适合做连续生成，训练目标和推理方式也比较统一。常见的生成式大模型有 GPT、LLaMA、Qwen、ChatGLM、DeepSeek 这些。2. 大模型为什么生成的文本能比较丰富，不会特别死板？核心原因有两个，一个是训练数据足够大，另一个是推理时不会每...