比亚迪别太恶心🤢

字节 AI 应用岗：一次挂掉之后的「补洞笔记」 简历里是 法律咨询 RAG + 三工具 Agent demo（搜索、计算器、文档查询）。去之前我以为主战场是八股，结果整场几乎没碰 Transformer，全在问 效果凭什么信、数据怎么切、Agent 错了谁兜底、你对公司产品在用什么颗粒度思考。 下面这篇不按面试时间表写——那张表别人已经写烂了。我按 「如果重来，我会怎么准备」 的顺序，把当时没接住的题，补成一份可以对着改的参考答案；只在章节末尾用一两句带一下「当时卡在哪」，避免整篇读起来像流水账复盘。 0. 这类岗实际在筛什么（先立坐标系） 应用向 AI 岗（偏 Agent / RAG / 产...

只能走到这里了吗

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...