字节日常实习 AI应用开发二面分享

自我介绍拷打实习拷打项目动态线程池怎么实现，有没有思路全局唯一id生成算法还了解哪些怎么保证不超卖的（答了乐观锁悲观锁与乐观锁的使用场景手撕：数组中第K大元素平时怎么使用ai

攒人品中，祝大家都能拿到满意的Offer！1、你们团队的multi-agents是你自己设计的？还是你只是完成了其中的一部分？2、所以你只是做了，没有参与底层设计对吧，讲讲你在团队里日常都做什么？3、你门团队的agent端到端成功率和工具误调用率是怎么量化的？用了什么工具？怎么去进行改进的？4、我看你还有做医学语料的预处理工作，这块你们是怎么分工的？5、你刚才讲了那么多步骤，所有工作都是你一个人完成的吗？或者说你主要负责哪几个环节6、论文有很多不同的形式，你在做layout-aware parsing的时候，具体用的哪个工具去解析pdf？有没有横向对比其他工具？7、噪声剔除的工作你平时是怎么做的？技术方案是什么？能不能详细讲一下8、有多篇文章出现了重复片段，你是怎么去识别并归纳的？9、业界对chunk切分和边界修正的主流策略是什么？10、假设我现在有一个表格被切分成了两半，你怎么在众多paper中找到并纠错？11、你们做的Graph RAG用了什么工具去进行评价？12、你说的这个Graph里的三元组使用LLM去进行抽取的吗？怎么保证大模型不会因上下文过长而出现幻觉？13、那你在设计三元组的时候是人工操作还是AI？有没有用到学术界提供的映射表之类的？14、假设大模型在抽取实体的时候出现错误了，你怎么去排查？15、我看你有在Graph RAG基础上做community summary，讲一下你这个设计思路16、你怎么看待你做的这个图检索增强生成，和市面上常见的向量检索、混合检索有什么区别？17、不同的RAG有做横向对比并量化成效吗？笔试题：用AI IDE写一个工具，语言不限，要求是能准确的从给定文本提炼出关键实体，并把对应的entity、relationship、claim用标准json形式输出。

1. 自我介绍2. 训练一个 decoder-only 大模型时，为什么 embedding 层和 lm head 常常共享权重权重共享本质上是一种参数高效和统计一致性的设计。输入端 embedding 学到的是“token 到向量空间”的映射，输出端 lm head 学到的是“隐藏状态到词表概率”的映射，如果这两个空间本身就在描述同一个词表语义，那么共享权重可以减少冗余参数，并让输入语义空间与输出判别空间保持一致。从优化角度看，共享权重还能起到轻微正则化作用，尤其在词表非常大时更明显。代价是模型表达自由度下降了一点，但对大多数语言模型来说这个损失远小于收益。很多实现里会保留一个独立 bias...

五一醒来，薪酬信息从250/day 变为400/day综合来看其实涨了500—800之前是250+20餐补+1600房补（需要出勤🈵15天）现在是400+20餐补但是好像也是分部门分面评的感觉看到有500/day的还有300/day的