百度搜索算法实习一面 拷打麻了

给我面没招了，发点面经攒攒人品～实习拷打1.LangGraph相对其他开源智能体编排工具的优点是什么?(追问) LangGraph是否存在与其他工具不兼容的问题?如果有，你是如何解决的?2.在现有场景中是否需要用到LangGraph 的状态管理功能?(追问)LangGraph的状态管理功能是否帮助提高了任务的执行效率?可以分享使用经验吗?3.如何理解Long-termMemory的实现方式?(追问)你是否对Long-termMemory在模型中存储有效性进行评估?它在实际项目中的应用表现如何?4.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法?(追问)如何确保电商场景中的长期记忆不会过时或冗余?你认为应该如何更新这些记忆?

最近把地平线 嵌入式软件开发二面的题目总结下了，大家可以参考参考，难度还是有的。1. 请详细介绍你做过的一个嵌入式项目，从架构设计角度说明整体分层，以及你负责的核心模块。2. Linux 内核启动流程是怎样的？从 BootLoader 到用户态程序运行，中间经历了哪些关键阶段？3. 讲一下你对 Linux 内存管理机制的理解：虚拟内存、页表机制、缺页中断是如何工作的？4. 在多核嵌入式系统中，Cache 一致性问题是如何产生的？硬件与软件层面分别如何解决？5. 详细讲一下中断机制：从硬件触发到驱动处理的完整流程。上半部和下半部为什么要分离？6. 如果一个驱动出现偶发性崩溃或内核 panic，你...

继续来分享下之前的面经~强度好大，俺不中咧。。。。1.实习中多智能体系统包含几个智能体？它们之间如何交互？2.意图识别模型需要识别多少个意图？3.750B 模型用于什么场景？4.实习中 Qwen3VL 模型是多少 B 的？用于什么场景？5.在实习中，你主要的贡献是什么？6.检索环节做了哪些优化？7.答案生成环节做了哪些优化？8.是否做了 SFT 或强化学习相关工作？在哪个环节做的？9.SFT 过程中是否对类别标签做了清洗或修正？10.强化学习的样本量是多少？11.基础模型经常分类分不准的案例有哪些？12.在校项目中，为什么用对话数据来增强数据集？13.在校项目任务的输出可以简单描述并举例吗？14.单智能体能否完成在校项目相关工作？为什么要使用多智能体？15.LangGraph 相对其他开源智能体编排工具的优点是什么？16.在现有场景中是否需要用到 LangGraph 的状态管理功能？17.如何理解 Long-term Memory 的实现方式？18.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法？19.Context Window 能否储存大量电商交互信息？如何解决存储问题？20.推理时若将大量 Memory 以 Token 形式给到大模型，Token 长度过长该如何处理？21.强化学习有哪些常用技巧？22.若通过 SFT 进一步提升模型准确率，常用的手段有哪些？23.SFT 的理想数据量是多少？如何确定？24.SFT 数据分布一般怎么取？为什么选择该分布而非其他分布？

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. 搜索场景下，大模型会给用户体验带来什么颠覆性变化？2. 百度的文心一言和ChatGPT相比，产品层面的核心差距是什么？怎么追？3. 请设计一个“搜索+生成式AI”结合的新功能，并画出简单的原型图。4. 如果搜索结果的AI摘要出现了事实性错误，这是技术问题还是产品问题？怎么解决？5. 你如何看待多模态搜索？用户会在什么场景下需要“拍张照片搜声音”？6. 百度地图接入文心一言，你觉得最值得做的三个场景是什么？7. 知识类内容（如百科）在AIGC时代会被颠覆吗？百度知道、百科该怎么转型？8. 请评估一下：用大模型替代部分人工审核团队，ROI怎么算？