29但是非科班，感恩兴给面。4月25面的整整一小时技术面。虽然是算法实习生，但投的时候冲jd里的ai应用的业务投的。科研项目不太匹配，个人项目有点toy，情景设计基本答得不好，好在八股类型的问题都答上了。四天后给了二面。1. 开场与自我介绍2. 科研/核心项目相关你简历中提到的几种注意力机制，可以简单讲一下它们的区别、优缺点吗？这些不同注意力机制在你的研究里分别起什么作用？你是怎么把模型中的注意力机制转化成你研究中的建模的？你提到的几个核心指标具体是哪些？为什么选择这些指标作为核心指标？这些指标分别反映了模型的哪些特征？你能不能用通俗易懂的方式讲一下，你这个研究到底做了什么？这个研究的应用场景有哪些？可以举例说明吗？3. 多 Agent / LangGraph 项目相关你做的多 Agent 系统里有几个 Agent？这几个 Agent 分别是怎么设计的？职责划分依据是什么？你为什么按照业务流程来划分这些 Agent？你对 LangChain 有了解吗？LangGraph 和 LangChain 有什么关系？为什么你选择用 LangGraph，而不是只用 LangChain？LangGraph 的节点、边、状态分别适合解决什么问题？你在开发这个系统时，状态管理、循环控制、错误恢复方面遇到过什么问题？你怎么解决 Agent 死循环的问题？你怎么控制内容反复重写但没有改进的问题？你在内容安全或敏感内容处理方面遇到过什么问题？你有没有建立一套评估体系，来判断生成内容是否符合要求？你有没有评估流程跳转是否符合预期？既然你的流程相对固定，为什么还要用 Agent 或 LangGraph？系统里哪些地方是固定流程，哪些地方保留了 Agent 的自主判断？你用的模型是什么？不同任务为什么选择不同规模或不同能力的模型？意图识别、创作、调研这些任务在模型选择上有什么差别？4. 场景迁移与系统改造如果把你这个多 Agent 系统改造成其他场景，需要做哪些关键改造？不同场景相比，对系统有什么不同要求？在生成中，如何控制幻觉？你觉得是否需要引入 RAG、知识图谱或外部知识库？文献检索、排序、综述生成之间应该如何组织流程？5. RAG / 意图识别 / 微调相关意图识别模型是怎么训练的？原始类别为什么要重新合并成更粗的类别？训练集和验证集是怎么划分的？微调时用了什么方法？LoRA 的参数是怎么设置的？为什么这个三分类任务效果不是特别高？如果让你继续优化分类效果，你有什么思路？是否考虑过直接用更大的大语言模型做分类，而不是微调小模型？为什么三分类这种任务不一定需要大模型？多轮问答有没有考虑过？Memory 或长期记忆的作用是什么？如果把上一轮问题也加入检索，会不会带来噪声？如果用摘要压缩历史信息，摘要丢失关键信息怎么办？你有没有接触过 query rewrite？你有没有评测 RAG 回答准确性？用了哪些生成评测指标？为什么 ROUGE、BLEU 在开放式问答中可能不理想？6. 检索与重排基础做 RAG 时，召回后为什么还要重排？召回模型和重排模型的区别是什么？Embedding 模型和 Cross Encoder / Reranker 有什么区别？7. 编程与工具使用你主要使用的编程语言是什么？代码量大概有多少？代码主要是自己写的，还是借助 AI coding 工具写的？AI coding 在你的代码中大概占比多少？你平时使用什么 AI coding 工具？AI coding 工具的代码采纳率怎么样？除了 Python，你还接触过哪些编程语言？8. 实习时间与求职意向如果来实习，你能实习多久？什么时候可以开始实习？开学后还能不能继续实习？你后续找工作有什么计划？9. 反问环节