1. Agent 工具调用你知道怎么训练吗？训练集应该包含哪些？怎么得到训练数据集？如果只是让模型“知道有工具”，那只需要在 SFT 里教会它工具名和参数格式；但如果想让它真的会用工具，训练集必须覆盖完整决策链路。至少要有三类样本：一类是该调用工具的，一类是不该调用工具的，还有一类是要调用多个工具且有依赖关系的。否则模型很容易学成“逢问题必调用”。训练数据来源一般有几种。最理想的是业务日志里已有高质量人工操作轨迹，把用户问题、检索条件、调用参数、返回结果和最终回复串起来。没有现成轨迹时，就要靠规则模板、专家构造、模型自蒸馏和人工校验混合生成。真正难的地方不在造正样本，而在构造反例，比如参数缺失...

秋招没有大满败，最终收到节子的offer。

1. 详细介绍一下你的OJ判题系统项目，架构是怎么设计的？回答：OJ判题系统采用前后端分离架构，前端Vue.js，后端Spring Boot。核心模块包括：题目管理模块（CRUD、测试用例管理）、代码提交模块（在线代码编辑、语法检查）、判题模块（代码沙箱、安全检查、输出比对）、用户模块（登录注册、权限控制）。判题流程：用户提交代码→语法检查→编译→放入代码沙箱执行→获取输出结果→与测试用例比对→返回判题结果。2. 代码沙箱是如何实现的？安全性如何保证？回答：代码沙箱采用Docker容器隔离执行。每个用户提交代码创建独立容器，超时自动销毁。安全措施包括：资源限制（CPU时间、内存限制、文件大小）...