AI Infra offer帮选

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？

有没有了解字节 data 下的推荐架构的 uu，问问这个部门的情况还有强度作息这些如何呀？

题干分析 题目要求我们针对一组二次函数(可能退化为一次函数),在区间[0,1000]上取得F(x)的最小值,其中:  算法思路 首先我们简单感受一下F(x)是单峰函数: 具体的证明有些许繁琐,感兴趣的可以自行查资料了解一下. 现在我们只需要找到在区间[0,1000]下这个单峰函数的最小值.我们因此能够采取三分法进行求解. 精度问题 由于是实数三分,且要求保留小数点后四位,三分精度把控不好是很容易出问题的,这里简单解释一下如何确定精度:  保留小数点后四位,因此x精度至少应为1e-4. a的取值最高为100,范围取值最高为1000,二次项的偏移为axΔx精度至少达到1e-4,所以x精度至少为1e...