岗位名称：大语言模型算法面试时长：1h–1.5h自评分：8/10是否下一轮：是模型架构与基础原理目前主流大语言模型在架构设计上有哪些异同点？（追问）Decoder-only 和 Encoder-Decoder 在实际应用场景上有什么区别？介绍一下大语言模型中的注意力机制，多头相比单头注意力有何优势？（追问）如果减少头数会发生什么？是否一定性能下降？什么是大语言模型的涌现能力？目前对该现象的研究有哪些发现？（追问）涌现能力是否和模型规模线性相关？什么是 Embedding？词嵌入和句嵌入有何不同？（追问）Embedding 层是否会参与微调？为什么？大语言模型中的 Tokenization 是如...

大家都在鼓励你。自己也要争气啊！！！

老粉都知道小猪猪我很久没更新了，因为秋招非常非常不顺利，emo了三个月了，接下来说一下我的情况吧本人是双非本 专业是完全不着计算机边的非科班，比较有优势的是有两段大厂实习，美团和字节。秋招面了50+场泡池子泡死的：滴滴 快手 去哪儿 小鹏汽车 不知名的一两个小厂其中字节13场 两次3面挂 两次2面挂 一次一面挂其中有2场面试题没写出来，其他的都是全a，但该挂还是挂，第三次三面才面进去字节，秋招加暑期总共面了22次字节，在字节的面评可以出成书了快手面了8场，2次实习的，通过了但没去，一次2面挂 最后一次到录用评估 至今无消息滴滴三面完 没几天挂了 所有技术面找不出2个问题是我回答不上来的，三面还来说我去过字节，应该不会考虑滴滴吧，直接给我干傻了去哪儿一天速通 至今无消息小鹏汽车hr 至今无消息美团2面挂 然后不捞我了，三个志愿全部结束，估计被卡学历了虾皮二面挂 这个是我菜，面试官太牛逼了拼多多二面挂 3道题也全写了 也没问题是回答不出来的 泡一周后挂腾讯面了5次 一次2面挂 三次一面挂，我宣布腾讯是世界上最难进的互联网公司然后还有一些零零散散的中小厂，但是数量比较少，约面大多数都是大厂。整体的战况非常惨烈，面试机会少，就算面过了也需要和各路神仙横向对比，很多次我都是那个被比下去的人，不过这也正常，毕竟谁会放着一个985的硕士不招，反而去招一个双非读化学的小子感觉现在互联网对学历的要求越来越高了，不仅仅要985还要硕士了，双非几乎没啥生存空间了，我感觉未来几年双非想要进大厂开发的难度应该直线上升了，唯一的打法还是从大二刷实习，然后苟个转正，不然要是去秋招大概率是炮灰。而且就我面字节这么多次，已经开始问很多ai的东西了，你一破本科生要是没实习没科研懂什么ai啊，纯纯白给了

在构建AI Agent（智能体）时，如何引导大模型有效完成复杂任务是一个核心问题。当前主流范式主要有两种：ReAct（推理+行动） 和 Planning & Extractor（规划+提取器）。它们都旨在增强模型的自主性和任务执行能力，但在工作流程和适用场景上存在显著差异。本文将通过实例对比两者的异同，帮助企业根据实际需求选择合适范式。一、ReAct范式ReAct由Shunyu Yao等人提出，其核心思想是让模型在生成过程中交替进行“推理”和“行动”。模型会先思考当前状态（Reasoning），然后决定采取什么行动（Acting），如调用工具、查询知识库，之后根据行动结果再次推理，直至...