小米机器学习算法日常实习一面

引言大部分人简历上写的 Agent 项目，技术链路是这样的：接收用户输入 → 调 LLM → 解析工具调用 → 执行工具 → 返回结果。这是 Agent 的"最小可用版本"，能跑通，但没有任何区分度——2026 年了，跟着任何一个教程都能搭出来。尤其 RAG 相关的大家已经觉得烂大街了，评论区也有同学吐槽真正让面试官觉得"这个人做过真东西"的，是那些教程里不会教、但生产中必须解决的进阶问题。以下逐个拆解。一、Agent Harness：Agent 不是一个模型调用，是一个运行时是什么：Agent Harness 是 Agent 的"执行骨架&q...

攒人品中，祝大家都能拿到满意的Offer！1.实习介绍2.transformer3.flant54.lightgbm的原理，如何调参，过拟合处理5.场景题：不用llm怎么做搜索6.手撕：最简单的买卖股票

B站 25×15+1500快手 26×16+2000作业帮 24×15新凯来 17.5×15华子泡死了没开出来剩下两个小厂都是18左右，就不说了楼主本人只有一段100人小厂的实习，其他的除了字节一面挂都死在了排序，腾讯捞了几次但只面了一次其余的推了。整个秋招一共投递150多家，面试60次左右

被横向挂了，希望发出来对大家有帮助！1.实习拷打2.sft时的消融实验是如何做的3.有过强化学习经历吗4.简单讲讲dpo算法5.如何构建dpo的偏好数据集6.在dpo训练时有什么值得讲讲的经验吗，对比过ppo和grpo的效果吗7.有看过网上开源的数据集吗，你自己合成的数据比开源的好在哪里，为什么不用开源的8.算法题：给你一组区间，如[[1,6],[2,10],[11,13]，请你合并重复的区间并返回，比如这个case，返回[[1,10],[11,13]]