百度提前批 文心一言

https://user.guancha.cn/main/content?id=1549861你无法想象，国产科技爆发起来有多“内卷”。这几个月，你可能已经被中国对稀土管理技术进行出口管制的相关新闻刷屏了，都知道在这个关系世界尖端工业的领域我们国家站在了技术制高点。但大多数人不知道的是，最近还有一大批国产硬核黑科技赶在年关正在压轴爆发。11月1日媒体消息显示，我国首次实现了钍铀核燃料转换，一看新闻是不是有点听不懂。无碍，往前推到10月份，黑科技成果被集中呈现的更多，更能懂。直接先上要闻。10月双节期间，中国科学家团队开发出一种阴离子调控技术全固态电池，有望推动新能源汽车续航里程从 500 公里...

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 默认机制在多用户并发中怎么做隔离？你是如何保证线程安全的？3. 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。4. 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？5. 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？6. 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？7. 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？8. 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？追问：有没有做过工具调用失败后的feedback策略设计？9. 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？10. 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”？11. 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？反问环节

1.KPI型这类面试官感觉纯佛系，感觉像完成任务一样，像个没有感情的面试机器，我在一面的时候遇到这种面试官最多，就是一个接着一个的提问八股，边问边记录，简单问问项目，再没了2.压力型这种面试官二面三面遇到最多，反复追问你的项目，主打一个拷打，你提到一个技术再问你，为什么这样做，怎么这么做，以及具体实现是什么，别的技术行不行，感觉要问到你不知道为止，绝了3.引导轻松型这种面试官最好，感觉面试纯聊天，和你交流技术的使用，你有没提到的地方，他在补充提醒一下你，编程不对的地方，他也会给你提示，遇到这种面试官真的感觉很好4.自负贬低型这种面试官感觉和压力型很像，感觉自己可厉害了，看不上你做的东西，说你的...

bg双9，都是大模型算法岗。快手和百度偏基模，字节偏应用。快手：实习转正，组内技术不错，可能成长会很快，但强度很大，稳定性可能较差。属于上限很高，下限很低的一个选择。字节：火山方舟的data-aml，toB偏应用，从HR了解强度比快手低一些。toB的业务不确定未来发展会不会受限。百度：文心一言，比较核心，但百度懂得都懂根据我目前掌握的信息，纠结了好久也没有得出哪一个明显更好的结论，所以想听听大家的看法。如果有了解火山方舟和文心一言团队氛围的同学欢迎在评论区或私聊分享一下欢迎大家在评论区一起讨论