哈啰大模型AIGC算法校招二面

发点面经攒攒人品～1.项目拷打2.现在主流大模型架构有什么变化？3.grpo的改进方法有哪些？了解gspo吗？4.transformer结构介绍？5.实习拷打6.deepseek r1有的什么注意力优化？7.有了解什么kv优化方法吗？8.code：手撕mha，进一步问在哪加masked矩阵。

在构建AI Agent（智能体）时，如何引导大模型有效完成复杂任务是一个核心问题。当前主流范式主要有两种：ReAct（推理+行动） 和 Planning & Extractor（规划+提取器）。它们都旨在增强模型的自主性和任务执行能力，但在工作流程和适用场景上存在显著差异。本文将通过实例对比两者的异同，帮助企业根据实际需求选择合适范式。一、ReAct范式ReAct由Shunyu Yao等人提出，其核心思想是让模型在生成过程中交替进行“推理”和“行动”。模型会先思考当前状态（Reasoning），然后决定采取什么行动（Acting），如调用工具、查询知识库，之后根据行动结果再次推理，直至...

发一下问题给大家参考，攒人品中。。。1.实习中多智能体系统包含几个智能体?它们之间如何交互?2.实习中意图识别模型需要识别多少个意图?3.750B模型用于什么场景?4.实习中Qwen3VL模型是多少B的?用于什么场景?5.在实习中，你主要的贡献是什么?6.检索环节做了哪些优化?7.答案生成环节做了哪些优化?8.是否做了SFT或强化学习相关工作?在哪个环节做的?9.SFT过程中是否对类别标签做了清洗或修正?10.强化学习的样本量是多少?11.基础模型经常分类分不准的案例有哪些?12.在校项目中，为什么用对话数据来增强数据集?13.在校项目任务的输出可以简单描述并举例吗?14.单智能体能否完成相在校项目关工作?为什么要智能体？15.LangGraph相对其他开源智能体编排工具的优点是什么?16.在现有场景中是否需要用到LangGraph的状态管理功能?17.如何理解Long-termMemory的实现方式?18.若将电商场景中用户的购买、点击、兴趣等信息设计为长期记忆，有什么想法?19.Context Window能否储存大量电商交互信息?如何解决存储问题?20.推理时若将大量Memory以Token形式给到大模型，Token长度过长该如何处理?21.强化学习有哪些常用技巧?22.若通过SFT进一步提升模型准确率，常用的手段有哪些?23.SFT的理想数据量是多少?如何确定?24.SFT数据分布一般怎么取?为什么选择该分布而非其他分布?

一、Agent核心模块（秋招最热，几乎必问）1.为什么选择做Agent项目？（结合求职方向，突出你的核心价值，避免泛泛而谈）2.讲下你做的Agent项目，核心目标、技术难点、你负责的模块及落地效果（秋招必问，重点说“解决了什么问题”）3.演示Agent项目实现细节（重点说关键流程、核心代码逻辑，避免只说框架）4.Agent项目开发的核心框架有哪些？你用的是哪种？为什么不选其他框架？（LangChain/LLaMA Index/AutoGPT对比）5.了解市面上有哪些主流智能体（Agent）？各自的优势、应用场景及局限性（比如AutoGPT、ChatGPT Plugins、Meta AI Age...