pdd算法岗笔试

1.实习拷打2.讲一下你项目迭代的过程3.开放性问题讨论rankmixer的效果4.又问onerec范式上线后的cost5.讲讲序列建模怎么做的6.讨论具体业务场景有没有跷跷板7.了解的多目标结构8.AUC和UAUC，有没有AUC和UAUC跷跷板的情况，怎么解决，线上看不看AUC这个指标为什么9.你们看什么指标10.有没有在离线不一致的问题11.为什么想换实习手撕:1.手撕MHAtokenmixing2.编辑距离

自我介绍后直接进入项目深挖，无技术笔试，全程围绕 Agent 工程经验展开。Q1：你为何选用 OpenAI Agents SDK 而非开源框架？出于安全合规考量，开源方案是否更合适？核心考点是框架选型的 trade-off 认知。我说明了 SDK 在 tool 编排稳定性和工程成熟度上的优势，同时承认在企业生产环境中确实应优先评估开源/私有化部署方案，以满足数据不出域要求。面试官对"我知道它的局限"这个态度比较认可。Q2：你遇到过需要人工强制中断 Agent 执行的情况吗？如何处理 Human-in-the-Loop？介绍了关键 tool 执行前插入确认节点、置信度低于阈值...

第三题写了三四种一直超时，实在没招了统计一下大家都a了多少，2.2进面希望大吗

第 53 题：上下文压缩（Context Compression）在长文本场景的应用 题目 解释上下文压缩（Context Compression）技术在长文本场景的应用。 一、为什么需要上下文压缩？ 长文档、多轮对话或大量检索结果会占满 context 窗口，导致：超出模型长度限制、重点信息被挤到边缘、成本与延迟上升。上下文压缩 指在保留关键信息的前提下缩短或摘要送入模型的文本，使更多内容“塞得进”且关键信息不丢。 二、常见做法  摘要：对长段做摘要（用模型或抽取式摘要），只把摘要放入 prompt；适合“只要大意”的问答与检索后阅读。 选择性保留：按相关性或重要性筛选句子/段落（如用检索分...