阿里控股集团Agent Infra暑期一面

我的校招焚诀有以下几个步骤：简历制作准备：有一个拿的出手的项目，可以使用全名简历来编写相应的简历。简历投递：途径有 BOSS直聘、各个大学的就业辅导中心、各个公司的官网——焚诀就是：多投递人才测评与笔试：可以在牛客上面多加联系，天道酬勤面试：要录音，然后面完后反思。等结果：心态大于一切，难过是校招最没有用的心态之一。#交出你的校招焚诀#

发一下问题给大家参考，攒攒人品！1.  项目拷打2. 项目开发过程中有没有遇到印象比较深刻，或者稍微难一点的技术问题？3. （针对Agent自动调用工具）具体默认调用了什么工具，可以举个例子说明吗？4.  平时开发最常使用、最熟悉的编程语言是哪个？5. 在 Java 中，String 类是可变的吗，为什么这么设计（为什么是不可变的）？6. 了解 Java 的垃圾回收（GC）机制吗？7. Java 是自动回收还是需要手动回收？8. 了解回收器的原理吗？9.  了解 Java 的类加载过程吗？10. 了解 Java 类加载里的“双亲委派模型”吗？11. 了解 Spring 框架里面的“依赖注入”吗？12. 在使用 Spring 开发时，有没有遇到过“循环依赖”的问题？13. 项目里的 RAG和向量搜索具体是怎么做的（跑通流程）？14. 文档的 Embedding 具体是怎么做的？15. 是调用了什么模块把文档转化成向量的？16. 搜索的时候，搜索的语句是怎么转成向量做相似度的，也是调用知识库的模型进行转换吗？17. AI 模型的“流式响应”具体是怎么实现的？开发时有什么需要注意的地方？18. 流式响应走的是什么网络协议？

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...

绷不住了