秋招-大模型应用算法蚂蚁二面60min

11.10 🐜一面1. Redis数据结构 zset底层2. Zset为什么用跳表 mysql为什么用b+树 hashmap为什么用红黑树3. Bitmap底层 误判、稀疏怎么解决4. bulong过滤器实现5. 为什么需要agent 和大模型有什么不同6. clip7. function calling和mcp有了解吗8. 让你提供一个mcp服务怎么做（秒过）11.17🐜二面1. Rocketmq事务消息怎么实现的2. Mysql和Redis 同步会有什么问题3. 觉得自己和同龄人比有什么优缺点4. 知道什么向量相似度计算方法5. function calling和mcp有了解吗6. 实习中最有挑战的事（实习都是业务挑战🆘 每次被问到这个都不知所云）（秒过）11.19🐜三面1. 实习最有挑战的事（实习都是业务挑战🆘 每次被问到这个都不知所云）2. redis网络模型3. 看过rocketmq哪些源码4. 实习中怎么解决数据一致性问题5. 觉得自己和同龄人比有什么优缺点6. 实现一个rpc接口应该注意什么---------------------------------------跟hr说别的公司催三方希望快一点推进推进确实挺快的 直接挂了 乐我再回去沉淀沉淀------------------------------ps 一二面面试官都好好好好好好 希望有缘还能再见吧 so pity

1.实习介绍2.critique mode 怎么训练的，会不会存在 bias3.介绍下 RLHF 流程4.BN和 LN 的区别， BN 在训练阶段和推理阶段有何不同5.如果让你用 llm 做一个商品类目识别的项目，你会如何设计6.介绍下 transformer , attention 的细节和 mlp 的作用7.deepspeed的原理8.了解 dp 和 ddp ，介绍一下原理和异同9.在 nlu 任务上，你觉得 bert 和 llm 哪个效果会更好，为什么6.介绍下 RLHF 流程7. deepspeed 的原理8.了解 dp 和 ddp ，介绍一下原理和异同9.如果让你用 llm 做一个商品类目识别的项目，你会如何设计10.快排的思想，时间复杂度11.代码题: code ：手写一个多分类的公式，并用代码实现

1.你的 Agent 系统Prompt 是怎么设计和迭代的？有没有做过 Prompt 自动优化？当用户提出不完整的请求时，如何补全用户意图的？2.构建 Agent 的时候，遇到过哪些瓶颈？LangChain 的 memory 默认机制在多3.用户并发中怎么做隔离？你是如何保证线程安全的？4.微调 Llama2 你是怎么选择训练样本的？清洗逻辑是什么？你有没有观察到哪些训练样本质量问题对模型行为有很大影响？举例说明。5.DPO相比 SFT，有哪些优劣？它在 Agent 任务上效果提升明显吗？你怎么构造偏好对？构造逻辑是自动的还是人工？6.你说你服务部署在 vLLM 上，为何选择它？KV-cache 如何帮助推理加速？你自己做过哪些优化？7.假如需要支持 Streaming 输出，但当前服务延迟又超标，你会怎么折中设计？8.多轮对话上下文状态管理是如何做的？如何在高并发场景下保证一致性？9.你做的 Agent 使用了多少个外部工具，在调用链条上如何保障故障容错和超时机制？10.有没有做过工具调用失败后的feedback策略设计？11.训练过程中数据来自用户行为日志，你是如何从这些数据中抽取训练对话的？有没有做过归一化或事件抽象？12.有没有了解过带有时间窗口/偏移限制的对话系统？模型怎么“理解时间”？13.你觉得 Agent 哪些模块最容易在真实业务中出问题？你会如何监控和定位的？

1.项目介绍2.微调数据构造3.案例库的embedding是怎么构建的4.视频抽帧怎么抽5.Sft是怎么进行监督训练的6.为什么lora可以训练少量参数来实现功能7.Ppo与grpo区别8.Dpo与ppo区别9.On policy与off policy10.Ppo的优势函数是怎么计算的11.PPo是怎么训练的12.讲一下豆包模型的架构，千问的模型架构13.手撕三数之和