【实习】字节-算法-CMPT

攒人品之分享下前段时间面的实习面经1、实习拷打2、结合一个实习产品说一下你做了什么事情，有什么产出3、整体的业务背景是什么？就为什么要去做这个模型？它是有需求是来源于哪里？4、是 Toc 的需求还是 Tob 的需求？5、讲讲关于具体需求这一块，你大概做了一些什么样的工作？6、如果去做用户分析的话，怎么做？7、选一个在竞品调研的时候，你 focus 的某一个产品，介绍一下是怎么去看的？8、具体有去做过竞品分析报告输出相关工作吗？9、一个比较好的 PRD 通过哪几部分组成，大概包括哪些内容？10、比如说你写某一个具体的需求的时候，你是怎么样去拆解问题的？11、关于模型评测这一块介绍一下你的内容12、怎么拆解整体评测的维度？13、怎么去定义好坏？标准是什么？14、 prompt 怎么写的？15、除了交互设计和模型评测以外，有设计数据埋点吗？16、平常会了解一些 AI 的相关资讯吗？最近大概听说的比较有意思的 AI 产品有哪个方便来展开介绍一下？17、像 agent 类的产品有了解过吗？

攒人品中，祝大家都能拿到满意的Offer！1.Transformer中Attention的本质是什么？你能从数学角度简要解释一下吗？2.在Agent多轮对话任务中，你觉得Attention的局限性体现在哪些方面？3.简要介绍一下SFT的核心流程，以及数据集的构建策略，SFT之后常见的Post-Training还有哪些？它们之间的目的有何区别？4.什么是RAG，它是怎么提升生成质量的？与传统检索＋模型生成的流程有何不同？如何评估一个RAG系统是否work的？5.PPO和DPO在大模型对齐中的主要区别是什么？DPO训练通常有哪些注意事项？用过GRPO么？6.项目里的Modular Agent，你能讲讲它是如何实现多步规划的吗？7.项目提到了多个工具调用链路，调度策略是如何设计的？是否有异常fallback策略？8.Agent评估体系包括哪些维度？如何衡量planning能力 vs hallucination rate？9.项目里微调Qwen，选择的训练阶段和Loss函数是如何决定的？10.Prompt自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？11.场景题：假如一个Agent 推理链路包含3个工具+高频请求，系统整体延迟较高，你会如何优化？12.代码：岛屿数量

现在实习基本上全用ai写代码了，每天的工作基本上就是与ai  battle然后测试验收，感觉很多设计ai都自动写好了，这简历该怎么写呀

给我面没招了，发点面经攒攒人品～1*当大模型产生错误回答或幻觉时，在工程和算法层面有哪些规避手段？2* 描述 Transformer Decoder 的完整解码流程。3* KL 散度的数学意义是什么？在模型对齐（如 PPO/DPO）中起什么作用？4* MoE架构的具体实现原理是什么？路由（Router）是如何工作的？5* 面对模型在生成过程中出现循环、重复回答的问题，有哪些解决办法？6* BM25 算法的数学原理是什么？它相比于简单的 TF-IDF 有哪些改进？7* Agent 系统中的LangGraph是如何搭建的？其 Memory 组件的工作机制是怎样的？8* 如果单次生成的任务量远大于模型的 Max Tokens 限制，如何实现断点继续生成？9* Transformer 中 Attention 的本质是什么？请从数学角度解释。10* 为什么在计算 Attention 时需要进行Scaling11* Self-Attention 和 Cross-Attention 在作用和输入来源上有什么区别？12* 面对极长序列Attention 的 O(L^2) 复杂度问题目前有哪些主流解决方案？13* 在 Agent 多轮对话任务中，Attention 机制的局限性体现在哪些方面？14* 为什么模型在长上下文对话中容易出现“信息遗忘”？有哪些缓解机制？15* 介绍 SFT的流程，以及如何构建高质量、多样化的数据集？16* 在什么业务场景下，必须引入 RLHF 或 DPO 这种偏好对齐技术？17* MinerU 在解析复杂的工业文档（如图文混排）时，具体的处理逻辑是怎样的？18* 在多模态检索中，文本和图片是如何映射到同一个统一向量空间的？19* Ragas 评测框架中的 Faithfulness 和 Answer Relevance 指标的具体计算逻辑是什么？20* 相比于 LangChain，LangGraph 在处理循环任务和状态管理上有哪些优势？21* LangGraph 的状态快照机制是如何实现任务回溯和持久化的？