1.比较一下几种常见的LLM架构，例如Encoder-0nly, Decoder-Only 和 Encoder-Decoder，并说明它们各自最擅长的任务类型。2.ReAct框架的核心思想是什么？为什么它比纯prompting在复杂任务上表现更好？3.Function Calling 和 Toolformer 的本质区别是什么？各自在训练/推理阶段如何工作？4.如果让你设计一个能行程规划的旅行Agent，你会如何拆解任务？各子Agent职责怎么划分？5.你的Agent如何处理工具调用失败（如API超时、返回空）？有设计重试、降级或用户澄清机制吗？6.在真实场景中，如何防止Agent泄露用户隐私或越权操作？从算法和系统层面谈谈你的设计。7.如果用户连续追问“为什么选这家酒店？”，Agent如何回溯决策链并给出可解释理由？8.如何评估一个Agent系统的鲁棒性？除了准确率，还会测试哪些对抗性或边缘case？

1.项目介绍2.对agent这个概念的理解3.荣耀实习介绍4.时间提升是怎么做到的5.介绍一下rag的架构6.fastapi的异步实现机制7.缓存文件清除功能怎么做的8.欺诈项目是如何保证数据的高质量9.F1值的提升是怎么做的10.量化部署后的精度损失11.后端开发的中间件有使用哪些12.介绍一下transformer的原理13.LORA微调相比于全参微调的优势14.跨团队协作上的挑战是怎么处理的反问:度小满的AI应用（面向金融）度小满主要用百度的大模型吗？（主流的都用）度小满的位置（北京百度科技园）

1.实习介绍2.介绍Transformer，Decoder中的cross-attention3.vllm原理，如何调度4.分布式训练的架构，业务场景是什么5.NCCL通信底层算法6.protobuf反序列化中，传输错误的解决方案7.Java Spring是否了解8.手撕：LFU+反转链表II

实习介绍 八股：1. 大模型预测 token 的损失是怎么算的？有哪几种常见的损失函数？2. 讲讲大模型的思维链技术？3. 聊聊 Transformer？它有啥优势？位置编码是咋做的，有啥改进？ROPE 是啥？Transformer 是怎么把文本转成 token 的？4. Lora 微调八股：矩阵 A, B 怎么初始化？为啥 B 要初始化成 0，A 不行吗？啥是矩阵的秩？5. Bert 和 GPT 有啥区别？大模型时代，小模型还有用吗？6. MHA 是啥？有啥改进？讲讲 DeepSeek 的 MLA？7. MOE 一般加在哪？从训练和推理的角度看，MOE 有啥好处？8. 你设计提示词时，一般遵循啥范式？算法题：二叉树的层序遍历。（用队列）

1，介绍RAG流程；介绍对编码模型的了解、原理、优缺点；如何评估编码模型的能力2，RAG有哪些分类；多模态RAG有哪些实现框架；伪多模态RAG和多模态RAG分别怎么实现，有什么区别；CLIP可以用于哪一类多模态RAG，为什么3，RAG怎么评估，RAG评估体系中最重要的是什么4，传统RAG有什么痛点；介绍GraphRAG，GraphRAG的难点是什么；GraphRAG如何应对增量场景5，介绍微调负责的工作；大模型微调最重要的是什么6，后训练有哪些方式；微调有哪些方式，分别是怎么做的；LoRA原理及参数量7，介绍DPO；DPO与PPO的区别8，介绍一些Agent的实现框架；这些框架有什么区别；LangGraph适用于什么场景；LangGraph构建Agent的方式有哪几种9，我这里有个场景，就是客户输入一个软件或网页界面截图，怎么通过RAG的方式帮助用户了解界面的每一个组件的作用，输入输出自己定义；相似的组件如图片框和视频框怎么去区分10，算法题：2n+1个数，两两成对，找出单独的那个数11，反问

1.算法题:322.零钱兑换2.实习项目相关1.一价计费满足激励兼容吗?2.GSP 和 VCG 中的效用和社会福利分别代表什么含义?3.regret net 如何保证激励兼容?4.扰动的范围对结果有哪些影响?5.如何设计机制来保证激励兼容?6.机制设计经历了哪几个阶段的模型发展?DeepGSP是怎么做的?7.DNA 为什么要用 MIN-MAX 网络?8.广告主的出价模式是什么?3.八股:1.transformer里使用了什么激活函数?2.为什么要用 relu?3.relu 有哪些缺点?4.GPT 中用了什么激活函数5.transformer的 attention 中的 QKV 是一样的吗?

1.项目介绍2.挑选一个项目介绍(多目标)3.讲讲PLE的结构4.讲讲FiBiNET结构5.特征层面，特征筛选、特征交叉、增加新特征，这三个哪个比较重要6.SSB问题是什么?7.正负样本选取怎么选?8.对于时长的信息来说有哪些手段(log、分桶);log、分桶有什么区别?9.精排阶段的一些结果，能不能用在召回阶段?比如曝光未点击的物品，在召回阶段可以怎么用?10.从宏观上来说说推荐的流程11.觉得召回重要吗?为什么重要12.介绍一下DIN。你觉得DIN中最重要的是什么?13.介绍一下SIM14.是如何学习和实现 DIN、MMOE、PLE 这样的模型的?15.了解因果推理吗?搜推中是怎么使用因果推理的?16.手撕:leetcode 72

1.项目介绍2.八股：Attention为什么要做scaled，不做会怎么样，为什么用根号 dk3.八股：说一下Decoder的因果注意力， QKV分别来自哪4.八股：LoRA 初始化怎么做的，用的秩是多少，为什么不选其他的数5.项目：agent调用工具不正确怎么办，采用sft或者强化学习怎么来解决6.项目：微调过大模型吗？讲一讲7.项目：PPO算法为什么有reward model 又有critic model8.项目：在使用 GRPO 提升大模型的Function Calling 能力时，除了结果奖励（outcome reward），还可以如何设计过程奖励（process reward）？9.场景设计：为智能客服设计多轮对话系统10.代码题：lc102 二叉树的层序遍历

1. 实习介绍2. 经历阐述：介绍实习经历，并自选一篇论文进行讲解。3. 项目细节追问（具体内容略）：针对项目展开深入提问。4. 大模型生成评测：大模型生成内容的评测方式有哪些，具体如何操作？5. RAG技术短板：RAG存在哪些缺陷？6. 大模型输出一致性：如何确保大模型输出内容的一致性？7. DeepSeek R1详解：讲解DeepSeek R1的训练流程和基本原理。8. 强化学习算法辨析：DPO、PPO、GROP之间的区别是什么？9. SFT与强化学习对比：SFT和强化学习各自有什么优缺点，分别适用于什么场景？10. 提示工程方法：提示工程的主要方法有哪些？11. 大模型幻觉问题：阐述大模型的幻觉现象及抑制方法。12. 多智能体协同：如何保证多智能体协同的效果？

1.实习介绍2. 语义理解相关：在搜索链路里，像“苹果”这种既代表品牌又代表水果的语义歧义情况，通常是如何进行建模的？另外，多义词消解和上下文建模的核心方法分别是什么？3. Toolformer 与 RLHF 对比：Toolformer 采用自监督学习来生成 tool call 数据，这种训练范式和 RLHF 存在哪些差别？并且，为什么 Toolformer 更容易实现泛化呢？4. Reflection 机制判断问题：在 Reflection 机制中，我们该如何判断一个 Agent 执行失败是由于知识缺失，还是工具调用错误导致的呢？5. RAG 与库存一致性：假如商品知识库是实时更新的，那么要怎样保证 RAG 的召回结果和库存信息保持一致呢？6. RAG 长尾商品问题：在搜索场景中，RAG 的向量检索容易受到长尾商品的影响，针对这个问题，你会采取什么措施来缓解呢？7. GRPO 与 PPO 对比：GRPO 和 PPO 之间的区别体现在哪些方面？另外，GRPO 的优化目标函数应该怎么写呢？8. LoRA 电商推荐场景设计：如果要运用 LoRA 来对电商推荐场景进行微调，你会如何设计相应的数据和标签呢？9. LoRA 与 Prefix Tuning 对比：LoRA 和 Prefix Tuning 有哪些区别？在什么样的场景下会选择使用 LoRA 呢？10.算法题：请实现一个 LRU 缓存机制。

1．项目介绍，过实习，讲论文，根据表述实时跟进询问交流2．讲一下大模型训练和推理的流程， SFT 和 RLHF 的作用分别是什么3．为什么探索 MoE 架构， MoE 相比 Dense 有什么好处4．有没有全量微调过5．推导一下神经网络反向传播的过程6．在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式7．一道排列组合的概率题8．平常有用过 RLHF 吗，简单介绍一下9. 开放题：对目前大模型的发展有什么看法10.代码：多头自注意力

1.项目介绍2.Qwen- VL 的训练流程是怎样的3.讲一下大模型的训练流程，多模态大模型的视觉特征传递给 LLM 都有哪些方法4.ViT 一般怎么预训练5.多模态 RAG 介绍一下6.对于不同形状的图片或视频，位置编码怎么设计7.在 ResNet 或者 Transformer 中，残差连接的作用是什么，展开讲讲8.开放题：大模型在训练和推理的时候显存不够，有哪些优化方法9.代码：215．数组中的第 K 个最大元素

1、先询问了我实习时长、文章署名、实习意愿等问题2、先介绍一个最擅长的项目（这里最好准备一个ppt，我讲解了我的一篇3、论文的模型细节4、各个模块的motivation5、对于某一个模块有无做实验验证6、Vision transformer的创新点7、Swin transformer的创新点8、Resnet的核心idea9、为什么用transformer不用CNN10、另一篇论文负责的部分以及贡献11、对于多模态大模型有哪些了解12、Mamba的创新是什么，对后面的演化路径有哪些了解13、问一个算法比赛的获奖比例

1.项目深挖(讨论算法设计的合理性)2.多任务建模梯度冲突如何解决3.线上排序的融分公式4.项目中的GAUC是如何设计的，有没有更合理的设计方法5.大模型中的moe结构优化是如何实现的6.如何避免学偏的模型上线7.实习中某个项目选择改策略而不是改模型的考量8.手撕:auc