1.项目经历2.模型的 loss 函数前乘以10，会对训练造成什么影响？3.deepseek v3的 rope 实现？ deepseek r1的训练过程？4.做过 rag 是吗？介绍 graph rag ?5.bge 和 gte 模型怎么训练的？为什么不能直接用 bert - base 来做余弦相似度召回？6.对比学习的常用 loss 有哪些？ InfoNCE 的超参数？温度系数对训练的影响？7. gradient checkpointing 原理？ gradient _ accumulation 原理？8.多模态大模型的预训练原理？预训练一般分为几个阶段？ ViT 现在一般用什么方法进行预训练？9. 手撕：梯度下降求平方根。

我上一次认真准备面试，已经是三年前的事了。那时候我一直觉得，只要 Java 基础还在，项目经验还在，问题就不大。毕竟那么多年后端，不至于一出来就水土不服。直到真正开始面试，我才发现一个事实：我不是技术退步了，而是市场已经换了一套考法。第一轮面试，我就意识到“不对劲”前半段问题其实很熟：Java 基础并发、JVM、数据库、中间件分布式、微服务、Spring 体系我心里还在想：还好，没脱节。但很快，问题开始变了：如果这个系统让你重新设计，你会怎么做？你当时为什么不用另一种方案？在不确定需求下，你怎么判断技术取舍？开放性场景题明显多了。没有标准答案，面试官更关心的是你的思考过程，而不是结论本身。真正...

下面用提问的方式分别从加载，切割，嵌入，储存，检索，评估几个角度连环问，感觉可以判断掌握RAG的程度，博主也在学习，轻点喷1.加载1.1加载纯文本如何加载？1.2加载doc怎么加载？ 要是想强调结构呢1.3加载pdf怎么加载？1.4要是pdf里面有图片呢？1.5要是pdf的一页里面有图片，文字，图片里面还有文字呢？2.切割2.1怎么切割？重叠程度怎么设置，分片大了会怎么样，小了会怎么样？3.嵌入3.1常见的嵌入模型有哪些？3.2对于稀疏向量的嵌入，了解过吗？4储存4.1常见的向量数据库了解过吗4.2企业级一般用哪个向量数据库4.3了解过索引吗？图索引，倒排索引了解过吗4.4第二范式，余弦相似度，向量内积，了解过吗，是干嘛的？5检索5.1多路召回，索引增强重排了解过吗？5.2粗排，精排了解过吗，用什么模型？6.评估6.1常见的评估框架有哪些？6.2评估一般看哪几个指标？忠诚度，相对性，精确性？7其他7.1图RAG了解过吗？为什么要用它？7.2多模态RAG怎么实现？？了解过吗7.3llamaindex专注于该领域，有了解过吗？

1.介绍简历和项目；2.问了一些项目细节3.对于Agent的了解？对于RAG做了哪些优化？4.对于RL的了解，详细问了PPO的原理？5.问了一些场景题：比如单个LLM能否帮助用户完成行程规划（从出行到酒店，都订好票）？6.问了一些学校的事情，毕设做的啥之类的，为啥转行等问题