页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「AI Agent 理解」找到 286 条内容
按专题浏览 →匹配正文：上周三训练营的模拟面试，轮到一个 26 届的同学。他简历上有这么一行，是前一周我和他一起改出来的： 售后操作智能体 Agentic RL 后训练｜设计规则 Verifier 替代模型自评：5 维奖励 + 11 道护栏封顶，人工打分一致率 88% 能写出这一行，说明他的项目是真做扎实了。不过简历上写得出来，面试的时候不一定讲得出来，我让他把我当成面试官，先完整讲一遍。 👔 我：为什么不直接让大模型给轨迹打分，省这么多规则？ 🙋 他：因为大模型打分不准。 👔 我：不准在哪？…
匹配正文：…但日常问题完全不同。 维度 大模型算法岗 大模型应用开发岗 核心产出 更好的模型、训练策略、评估方法 可上线的大模型应用、RAG/Agent 系统、业务流程自动化 日常关键词 SFT、DPO、RLHF/GRPO、数据配比、loss、benchmark API、RAG、Agent、工具调用、检索、评估、延迟、成本 面试重点 数学基础、论文理解、训练细节、实验设计 项目深挖、系统设计、工程取舍、真题口述 简历筛选 硕博、论文、竞赛、模型训练经历加分明显 工程经验、项目深度、上线能…
匹配正文：… 约束 11 道，全对全错和训练崩溃 9 道。有些题一道里问了两样。 你简历上要是有这么一行，这些题基本都会落到你头上： 售后操作智能体 Agentic RL 后训练｜GRPO 后训练：K=4 组内优势 + 崩塌熔断，任务成功率 8% → 93%（pass@1，reward ≥ 0.9） 我看下来，大家的问题出在准备的方向上。备的是算法对比，PPO 有 critic，GRPO 没有，背得很熟。面试官顺着往下问的是项目：你为什么这么选，代价是什么，训崩了你怎么知道。 我从里面挑…
学习内容与项目面试，在同一条路上。