拓维信息三面泡池子

1、自我介绍2、 Spring 框架常用的注解有哪些？3、@Autowired 注解的底层原理是什么4、在实现  @Autowired  的依赖注入时，是怎么通过反射来获取成员变量的？5、具体是用什么反射方法来获取这些字段（Field）？6、获取到字段后，又用什么方法来检查它是否被  @Autowired  注解标记？7、请讲一下 Spring 中一个 Bean 的生命周期8、谈谈你对 JVM 调优的理解，有哪些常见的调优参数或方法？9、在启动命令中调整 JVM 参数，怎么做？10、解释一下 ThreadLocal 是什么，以及它的底层原理。11、ThreadLocal 可能会导致什么问题12、比较一下 MySQL 和 Elasticsearch 的区别，以及各自的应用场景13、为什么 ES 要使用倒排索引，它相比顺序扫描的好处是什么？14、项目为什么选择用 PGVector 而不是 ES 来做向量数据库？ES 可以吗？15、谈谈对 RAG的理解，你认为它主要解决了哪些问题？16、手撕 八皇后问题（追问）算法的时间复杂度是多少

算法题：多头注意力，面试看会分头就给过。 底层：关注以下几个点，agent组，怎么训练？怎么搭连路？怎么构造工具？ 其中训练很有意思，尤其是agent强化训练，面试官直言，没有全量强化经验的人我们不要。针对reward设计（为什么这么设计？有什么用？能更快收敛还是更好效果？），超参数调优（什么图像意味着什么要做什么样的调整）问的很细。 上层：考察面试者的视野，讨论了最近的几项技术，比如env based的训练，快手的ARPO看过没～，你怎么看环境的搭建，你觉得long horizon的任务怎么结合环境训练？你用过verl搭环境训练吗？比如GSPO为什么重要？同比DAPO（面试官直说这就是个消融...

实习拷打30min怎么提升意图识别的准确率模型微调的时候，哪些部分是比较重要的数据质量高有哪些维度如何做测评的智能体商业化的话，评测怎么去做的更好准确率和召回率上遇到的最困难的点是什么，怎么解决的平台推广后要考虑哪些东西上线后还有什么问题需要解决的实习的最大收获AI在研发领域的价值对这边的意向如何

1、Attention本质是什么？从向量空间变换角度解释 2、多轮对话中Attention如何导致历史信息衰减？ 3、SFT数据清洗的具体流程？遇到低质量数据怎么处理 4、RAG的chunk优化策略有哪些？怎么评估检索相关性 5、DPO训练中的梯度爆炸问题如何解决？ 简历项目深挖： 1、多工具调度模块如何解决冲突检测？ 2、工具调用超时后的降级方案设计 3、自主构建的评估数据集规模？bad case分析维度 4、微调Qwen时如何设计learning rate scheduler 5、Prompt优化模块的A/B测试方案