淘天Agent秋招一面

一、手撕和八股
1. 手撕岛屿数量，秒了
2. Transformer 中 Attention 的本质是什么？你能从数学角度简要解释一下吗？
3. 在 Agent 多轮对话任务中，你觉得 Attention 的局限性体现在哪些方面？
4. 简要介绍一下 SFT的核心流程，以及数据集的构建策略，SFT之后常见的 Post-Training 还有哪些？它们之间的目的有何区别？
5.  什么是 RAG，它是怎么提升生成质量的？与传统检索 + 模型生成的流程有何不同？你是如何评估一个RAG系统是否work的？
6. PPO 和 DPO 在大模型对齐中的主要区别是什么？DPO 训练通常有哪些注意事项？用过GRPO么？

二、简历
1. 你在提到过 Modular Agent，你能讲讲它是如何实现多步规划的吗？
2. 你提到了多个工具调用链路，调度策略是如何设计的？是否有异常 fallback 策略？
3. 你构建的 Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？
4. 你还微调过Qwen，选择的训练阶段和Loss函数是如何决定的？
5. Prompt 自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？

三、业务场景相关相关
假如一个 Agent 推理链路包含 3 个工具 + 高频请求，系统整体延迟较高，你会如何优化？