大模型应用面经，已归类！

问题1：对比主流大模型（如GPT、BERT、T5）在网络结构、核心机制（编码器-解码器结构、层数配置）上的核心差异，并分析这些技术选择对模型在生成力、理解深度和效率等方面的影响。问题2：大模型训练和推理中常用的位置编码方案有哪些？请分别说明每种编码方式的优势、局限性及适用模型。问题3：拆解大模型自能体（Agent）的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。问题4：描述大模型从预训练、微调（指令微调）到推理部署的完整流程，说明每个阶段的核心目标及关键技术。问题5：在项目中的技术改进动机是什么？遇到了哪些痛点？改进后带来了哪些具体收益？如何量化这些收益？问题6：什么是大模型幻觉现象？分析其产生原因及业内有效缓解方法。问题7：大模型生成文本时为何会出现重复内容？列举主流解决方法并分析其他可能原因。问题8：分析当前大模型行业在技术应用、落地中的待解决问题，并提出创新解决思路。问题9：若设计面向办公协同或智能客服的场景化大模型，应从哪些方面入手？说明设计决策的原因。问题10：分析百度文心一言的技术性能、功能体验和应用场景，指出其优势及可改进之处。

TCP的三次握手与四次挥手？HTTP与HTTPS的区别？HTTP状态码？介绍一下Transformer架构的基本原理？Tranformer的Decoder与Encoder的区别？为什么现在大模型的发展更注重于Decoder？注意力机制的几个参数Q，K，V的含义以及公式？什么是检索增强生成技术（RAG）？开发Agent时工具流是怎么构建的？Java的集合介绍一下？ArrayList和LinkedList的区别？算法题：如何判断单向链表有环？

本地生活组 1、自我介绍2、讲一下两个项目的背景，决策过程，以及贡献和具体实现（由于在自我介绍的时候讲到了实习中做的两个项目）3、追问一些项目中的测试框架如何识别异常场景，运用了什么公司的大模型（实际上我们是大模型和基于深度学习的目标检测框架相结合的决策判断（yolo），面试官非问我yolo是哪家的大模型，似乎只知道大模型这个概念，不了解什么是深度学习，反正主包和他讲不清了）4、最熟悉的编程语言。 回答了java python，于是问我了Java中springboot的常用注解以及用途，大概回答了六七个，说不够。。。但算了可以理解5、对测试的理解，在实习公司日常的工作流程，测试流程6、变相手撕快速排序（不明说，但是能写出其他复杂度是O（nlogn）的也可以）7、sql题8、反问，我问了组里现在对AI在测试中的应用是怎么样子的，是保持开放的态度还是谨慎们如何体现呢？（面试官回答的意思是他们的AI保持开放的态度，但是另一方面来说AI在测试中表现的不稳定，还是需要人工去复合以及监测，所以还有很长的路可以走）一个多小时后约hr面

全程拷打项目，重点在于：1.数据如何获取和筛选清洗，数据格式，输入输出，MCP的具体使用2.为什么选择Qwen3，某些sft是否必要3.多Agent如何实现协作，Langraph的特性和操作4.问了一点强化学习相关，还不是很熟悉没答太上来5.模型效果如何评测，数据集，评价指标6.Temperature为0时理论上应该可以复现模型输出，但实际上工程实现中并不能完整复现一模一样的输出，问为什么，如何解决？7.如果想要截断某个Agent的输出或者调用的大模型的输出，只保留最相关的部分，如何用代码实现8. 代码：一道hot100原题，排序数组查找第一个和最后一个，秒了