多益网络面试

投递的ai应用开发，怎么感觉在招算法工程师

1、自我介绍2、现场笔试：用 Trae 二十分钟写一个工具我通常会先自己确定功能最小闭环，再用 AI 帮我补骨架代码、参数解析和异常处理，然后自己做最后校验，不会完全依赖 AI 自动生成。因为这种场景最容易出问题的地方不是代码量，而是需求理解错、接口设计乱、边界没处理。下面是一种比较适合这种面试场景的小工具写法，功能是读取文本，做清洗后统计高频词，输出前 k 个词，结构简单，也方便快速展示工程习惯。 import re from collections import Counter def clean_text(text: str) -> str: text = text.lower()...

感觉自己说不明白业务逻辑...1. 业界目前针对特征交叉是怎么处理的？2. 你们当前模型的主要网络结构是什么样子的3. 模型的embedding维度是多少？不同特征的embedding维度是否相同？4. 当前的方案有没有考虑使用大模型进行处理？5. 介绍一下不同的召回方式以及召回原理6. 召回的模型是什么样子的7. AUC的概念，计算过程？8. 还有没有其他相似的评估指标，为什么需要其他评估指标9. 训练样本的形式有哪些？分别进行解释10. 代码1: 手撕TSFM11. 代码2: 股票交易，最多两次操作，利益最大值

最近面试的次数比较多，抽取了finrpa项目的相关面经分享给大家，我面试的公司主要以中厂/Ai初创为主，对大厂选手的参考价值可能比较有限，希望能对大家有所帮助。岗位方向：AI 应用开发 / AI Agent 方向项目背景：基于 Skyvern 二次开发的金融级浏览器自动化平台，面向银行、保险、证券机构，覆盖多租户权限、合规审批、风控审计等企业级能力。技术栈：Python 3.11 / FastAPI / SQLAlchemy 2.0 / PostgreSQL / Redis / React 18 / Docker Compose一、自我介绍 & 项目介绍Q1：简单介绍一下你自己和这个项...