之前的面试，有的忘了，但是面试体验很好。一面：实习，项目。公司主业相关：了解算子 gpu和cpu吗普通日常：什么时候到岗等无手撕反馈很快，第二天就有了结果。二面前一天因“面试官临时出差”取消，理由有些拙劣。更新：应该是真的出差

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...

1.CV和NLP的区别与联系2.在Transformer框架下，CV、NLP、语音是否可能统一？3.大模型训练数据清洗、处理、配比的方法4.大模型训练如何更容易提升模型性能5.Encoder与decoder的中Attention区别?6.Attention如何计算?为什么除以根号下Dk?mask attention是如何实现的?7.讲GQA、MQA、MLA原理。8.为什么要用位置编码?为什么要用sin_cos?9.问之前实习的Agent的设计逻辑，问创新方法的实现。10.你提到用DeepSpeed做SFT训练，请讲一下DeepSpeedZeROStage1-3的区别，以及什么时候用FSDP会更好?11.什么是大模型的幻觉，如何缓解12.为什么会有复读问题，业内有哪些解决办法13.大模型工具调用的实现方式14.Agent的组成部分及实现方法15.问Agent的工具tool的设计，是否是workflow形式。16.了解哪些agent开发框架，例如langchain和Llamalndex，核心应用场景有何不同?17.问数据的输入输出格式如何保证大模型输出稳定的json做了哪些工作?18.开放题:你在大模型训练中遇到过的困难，如何解决?19.代码题:实现一个Tokenizer

📢 重要提醒！还没看过上篇的同学，记得先戳专栏补课哦~咱们要按顺序来才能玩转Trae！💬 第一步：别急着写代码！先和AI唠个嗑很多同学拿到项目就撸袖子开干，达咩！🚫用Trae的Chat模式（对，就是纯聊天窗口），先问清楚这些：✅ 项目到底是干啥的？✅ 涉及哪些核心表和业务流程？✅ 代码规范/目录结构有啥要求？✨ 偷懒技巧：直接用Trae打开所有项目总文件夹即可，它会自动帮你理清模块间的调用关系，尤其适合多模块复杂项目！🚀 Trae总结的黄金三连问从「完全懵逼」到「敢改代码」，关键就这三步：1️⃣ 灵魂拷问："这项目是做什么的？"（让AI给你划重点）2️⃣ 业务地图：...