大模型应用算法工程师一面、二面面经

一面（偏基础和简历深挖）： 1. LoRA 原理、常见超参、一般加在 Transformer 哪些模块 2. Self-Attention 公式，Q/K/V 分别是什么。 3. PPO/RLHF 里 Actor、Critic、Reward Model、Reference Model 分别做什么，为什么要 KL 约束 4. 有没有做过分布式训练，常见模型并行方式有哪些，ZeRO-1/2/3 区别。 5. RAG 原理，项目里有哪些相关经验，向量数据库、相似度计算、chunk 切片策略。 6. Git \AI Coding\ python 基础 7. 基础手撕 反问： 岗位实际业务：偏大模型应用落地、RAG、Agent 框架和知识问答产品 是否支持论文/专利：业务为主，但鼓励研究产出 算力：资源充足，但当前更多是agent和应用开发 二面（偏多 Agent、多模态和开放系统设计，面试官主要是针对我简历的实习工作进行开放的系统架构设计）： 固定的“感知-推理-校验”流程和动态多 Agent 最大区别是什么。 如果拆成感知\推理\校验 Agent，哪些能并行，哪些要顺序，什么时候需要反向通信。 校验 Agent 和推理 Agent 结论冲突时怎么处理 多模型如何动态路由，比如不同模型适合不同视频场景时，怎么根据视频特征、任务特征、成本、延迟和效果选模型 所有模型超时或故障时怎么兜底，什么时候规则引擎，什么时候人工，服务恢复后怎么回切 能不能让系统自动发现问题、尝试策略、验证效果，并自动生效和回滚 开放设计题：设计智能家庭安防管家，识别入侵、火灾、老人跌倒、宠物破坏等事件，并路由到报警、通知、开灯、联系家属等流程。还要考虑视频、声音、传感器时效不同下的渐进式响应，以及用户用自然语言配置规则，比如外卖员放门口不报警 工作是否一定要涉及后训练，能不能接受 Agent 工程、Prompt、RAG、Workflow、评估体系。 反问： 团队是否和多模态多 Agent 有关：主要做多 Agent 协作、多模态问答和办公场景应用。 办公场景有哪些：PPT 生成、文档撰写、论文写作/审核、财务报表处理等 用闭源还是开源模型：前期用闭源做 PoC/MVP，后续可能做开源、垂类后训和性能优化