bg双非本硕，秋招offer应该如何选择

业务方向有点像贝壳的室内设计空间理解问项目，介绍的比较细八股PPO 和 GRPO 的区别ds zero 1 2 3做题计算X,Y的欧氏距离，用torch，需要注意 unsqeeze()扩展维度以便broadcast，以及dim=2 torch.sqrt(torch.sum((X.unsqeeze(1) - Y.unsqeeze(0))**2),dim=2)  import torch X = torch.tensor([[1.0, 2.0], [3.0, 4.0]]) # 形状 [2, 2] Y = torch.tensor([[1.0, 1.0], [2.0, 2.0], [4.0, 4.0...

一面已经进行了一轮拷打，二面的面试官应该也是比较懂这一块的，也是进行了新一轮的拷打：1. 特定技能召回与Function Call的区别？2. 为什么要在 Function Call 前设置特定技能召回层，有什么冲突吗？3. 你的特定技能召回跟 RAG 有什么区别？4. 意图识别准确率是怎么计算或评测出来的？5. BM25 公式是什么？6. 向量检索的相似度计算方式？7. 如何使内积计算的精准度接近余弦相似度，实现性能优化？8. RRF (Reciprocal Rank Fusion) 是什么？9. 介绍一下Re-ranking10. RAG Agent 的模型架构？BERT 和 Embedding BERT 的区别？11. 介绍一下Cross Encoder？12. 快速改写 (Query Rewriting) 的方式？13. 看过Cursor, Claude Code里面的System Prompt吗14. Claude Code 和 Cursor 的上下文压缩是怎么做的？15. 如何让模型准确使用多种代码工具（语义搜索 vs. 指定路径检索）？16. 手撕是LRU二面的面试官感觉确实对这一块比较懂，撞到钢板上面了，作为大模型应用半吊子的我来说根本遭不住这样的狂轰滥炸，已经寄了。

聊得还挺愉快的面试官问的更多的是思考看得出面试官还是比较懂的问了cot的发展历程，为什么出现cot，有什么好处，解决了什么问题，第一个cot模型怎么设计出来的？开山之作：Chain-of-Thought Prompting Elicits Reasoning（few-shot） ，“Let’s think step by step”过度思考怎么解决：1、训练混合推理的数据，2、用户自己决定开不开启think，3、外加一个分类器，输出是问题的think budget。test time scale是什么？语言捷径问题的定义，为什么会出现这种现象，如何验证，怎么解决？定义：VLM过分依赖文本先验的...