阿里-淘天暑期ai应用研发一面

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...

给我面没招了，发点面经攒攒人品～1. Agent项目：向量是怎么检索的，大概结构是什么样的2. 假如有一百万个向量数据集，怎么构建索引，检索流程是什么样的3. 实时流是怎么处理的4. RESTful API有什么比较好的地方5. context有什么优化吗6. 向量化是怎么做的7. Redis的skip list8. 这几个项目中最有成就感或最有挑战性的点是什么9. 大模型基本算法知识，Transformer，self-attention10. encoder里的self attention的流程，decoder和encoder的结构差异11. KV Cache，Flash Attention12. 手撕：二叉树两个叶子节点的最近公共祖先

1. 做一下自我介绍2. RAG 分块策略应该怎么选，真正影响效果的核心因素是什么分块策略不是越细越好，也不是统一按 token 长度切就行。真正影响效果的是 chunk 是否保留了完整语义单元、是否带有足够的定位信息、是否能在召回后被模型直接利用。像制度文档、规则文档、FAQ、表格和多层级说明，最佳切法差异很大。比较稳的方式通常是结构优先、语义补充、长度兜底，也就是先尊重标题、段落、表格、列表，再在超长片段内部做语义切分。这样做的目标不是生成整齐块，而是让每个 chunk 自带最小可回答上下文。3. 怎么评估 RAG 的效果，除了准确率还能看什么RAG 效果不能只看最终回答对不对，因为那样很...

bg9本，暑期投了大概二十家，只有五家约了面，xhs笔试没过，华为今天晚上笔试，蚂蚁笔试过了不约面，剩下应该都是简历挂了。昨天晚上网易二面，感觉面试官全程严肃感觉不到情绪，没介绍组内业务，还是我反问环节提问才大概介绍了一下。面试大概三十多分钟，说hr3-5个工作日给结果，感觉凉了。美团面完快一周了也没消息，估计是要横向挂了。字节二面约到明天下午，如果没过就又要从零开始了。已经四月中旬，大厂的hc估计也快招够了。感觉鼠鼠的得失欲太重了，明知道面试是一件很看运气的事，自己的水平也没达到大佬级别，但是还是对每次面试抱有很大的期望，特别想要拿到一个offer，不自觉的给了自己很大的压力。npy也指出过我的问题，但是鼠鼠还是忍不住的去期望，因为暑期实习找不到大厂，秋招就又落后一大截了。最近一个月午休都睡不着，一闭上眼就是面试问到问题不会，手撕撕不出来的场景。早上也连着三天七点多梦见面试面的不好被吓醒了。每次洗澡都发现掉了一堆头发。开始找暑期实习以来最大的感触就是学历只能当敲门砖，在约到面以后学历就没有任何作用了，能不能进下轮面还是看知识储备，思维能力，代码水平。鼠鼠只恨自己目标规划不清楚，大一大二没怎么刷算法题学开发，想保研又不坚定，去导师组里做做研究又做不下去（也可能是我对cv实在不感兴趣），加上一门3学分的公选因为网课忘刷绩点爆炸了（本来在保研边缘线上努努力还是有机会的），于是直接放弃了。去年十一月去导师公司里实习了一个月，然后又开始左右脑互搏，到底是考研还是考公还是找工作。一直到二月底才终于下定决心准备找工作，只是时间已经太匆忙。一晃眼大学的时光竟然已经快要结束了，虽然忙忙碌碌但也一事无成，后悔的事多到数不清。当然鼠鼠也知道相比于双非的同伴们的处境已经好太多了，但还是忍不住抒发一下内心的想法。最重要的还是看开吧，如果网易和字节都寄了，就继续投继续面，实在面不到中大厂就去银行，就去小厂，我相信总能找到一份实习的。祝各位牛友们运气爆棚，都能拿到自己满意的offer后续更新：网易互娱4.16上午hr面，当天下午oc，祝大家跟鼠鼠一样好运