哈啰后端agent一面 日常实习

1. 自我介绍2. 介绍你做的模型loss设计，包含基础损失与辅助损失，说明各部分作用与梯度流动逻辑模型loss采用多任务联合优化框架，主损失负责核心任务拟合，辅助损失用于约束特征对齐、分布对齐与梯度稳定。以多模态分类模型为例，主损失使用交叉熵损失，直接优化分类准确率；辅助损失包含对比损失用于拉近同类特征距离、拉远异类特征，以及KL散度损失用于对齐教师模型与学生模型的分布。训练时通过权重系数平衡各损失，保证主任务不被辅助任务淹没，同时利用梯度裁剪解决多任务梯度冲突问题。 import torch import torch.nn as nn class MultiModalLoss(nn.Mod...

攒人品中，祝大家都能拿到满意的Offer！项目拷打1. 讲一下主流大模型的结构2. Transformer 的 tokenzie 是如何实现的，训练和推理分开讲3. 你知道工具调用，MCP 还有 Skill吗，他们都是什么，都有什么区别，优缺点，你自己用过什么MCP/Skill4. 如果让你来设计一个基于Agent的自动给数据标注的系统，你会怎么设计，你认为关键点在哪里5. 实践过程中，其实最大的问题是agent和人类对于同一个标准的理解是不一样的6. 有了解什么自动化Prompt优化的工作吗，讲一下 (APE)7. 算法题：给定两个数列a b  求a b的最长公共子序列（不连续）

1. 自我介绍2. 介绍你写的这个项目3. 为什么要做多 Agent，而不是把所有能力都塞进一个 Agent多 Agent 的核心价值不是“看起来更高级”，而是把复杂任务里的角色分工显式化。单 Agent 在任务很长、工具很多、约束很多的时候，容易把规划、检索、判断和执行混在一起，导致上下文污染、错误放大、调试困难。多 Agent 可以把流程拆成规划 Agent、检索 Agent、执行 Agent、审查 Agent，每个 Agent 只负责一类清晰目标，行为边界更稳定。但多 Agent 也不是默认更好。它会引入额外通信成本、状态同步复杂度和错误传播路径。真正适合多 Agent 的场景，一般满足...

现在是凌晨一点二十一分，最近几天我内心无比的烦躁，总感觉找不到实习就完蛋了，突然就在此刻，我好像想通了，我不想去再为了工作而学习了，我想为了热爱而学习，我想做一个融入我自己思想的东西，……算了，早日找到实习吧。