匹配正文：大模型应用开发岗的 JD 有固定语法:真正的「必须项」通常只有三四条(LLM 应用链路、一门工程语言、RAG 或 Agent 之一),其余多数是「加分项写成了必须项的样子」。会读 JD 的人命中六七成核心项过硬就投,投得准也准备得省;不会读的人被一句「熟悉大模型训练原理」吓退,错过本来能上的岗。作者:吴师兄 | 适合:准备投大模型应用岗但看不懂招聘要求的人 | 前置:了解应用岗和算法岗的基本区别 JD 是愿望清单,不是准入门槛先建立一个心态:JD 是招聘方对「理想候选人」…

#求职#职业转型

求职指南·求职

大模型系统设计和编码环节怎么准备

匹配正文：…历项目延伸的,两者说法要一致。按方向补八股:结合按方向刷八股怎么高效,系统设计里的每个组件背后都有对应的高频八股。常见问题大模型系统设计和传统后端系统设计有什么区别? 主要多了三条必须主动讲清的链路:检索/召回怎么设计、效果怎么评估、token 成本和延迟怎么控。传统后端的高可用、可扩展你照样要谈,但一个 RAG 或 Agent 系统里"答得准不准、幻觉多不多、一次问答多少钱、模型挂了返回什么"才是大模型岗特有的拉分点。后端出身的人设计能力是主场,缺的是这几个大模型专…

#求职#职业转型

求职指南·求职

转行大模型应用开发常见问题(FAQ)

匹配正文：…最小的。真正的坎不是年龄本身,而是期望薪资和职级要对得上产出。对冲方式是带着存量经验转,别把自己讲成大龄新人,而是讲成资深工程师加大模型能力的组合。只有传统后端经验的人怎么把旧经验翻译成 AI 岗能力,见只有传统后端经验能投 AI 岗吗。非科班、学历一般,能转大模型应用开发吗? 应用开发岗可以。它的筛选逻辑更接近工程岗:项目深度和面试表现的权重高于出身,这也是它和算法岗最核心的区别。算法岗普遍要硕博加论文,应用岗看你能不能把系统做出来、讲清楚。学历劣势的对冲方式只有一个,就…

#求职

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#职业转型

面试题·推理优化· 京东

LLM 推理框架综合选型

匹配追问：你们实际项目中选型时最看重哪个维度，为什么 vLLM的PagedAttention和FlashAttention有什么区别和联系如果要在国产GPU上部署，这些框架的适配情况如何场景切入假设我们现在要上线一个电商客服机器人，后端得选一个推理框架来支撑高并发。你手头有vLLM、TensorRT-LLM这些选项，你会怎么挑？简单说说理由。层层追问现在部署大模型做服务，推理框架你接触过哪些？……那如果线上并发很高，比如每秒几百个请求，怎么保证吞吐？……这些框架各自有什么优化…

#vLLM#TensorRT-LLM#llama.cpp

面试题·多模态· 得物

多模态大模型怎么理解？

匹配追问：…场景切入假设你在做电商客服助手，用户上传了一张商品截图，又发了段文字说“帮我找类似款”。模型怎么同时理解图片和文字？你讲讲多模态大模型在这类场景下是怎么把两种信息融合起来的。层层追问多模态大模型你了解吗？……它和普通LLM最核心的区别是什么？……那具体怎么把图像信息对齐到文本空间里呢？……训练时数据怎么组织，比如CLIP和Flamingo用的方法有什么不同？直球架构从架构、训练和应用三个维度，说下你对多模态大模型的理解。重点包括主流架构范式（比如双塔、融合、统一式）…

#多模态融合#视觉语言模型#对比学习

面试题·模型微调· 滴滴

大模型落地技术范式怎么选?

匹配题目：当前大语言模型在工业界应用中的主流技术范式有哪些（如提示工程、上下文学习、微调、RAG、Agent系统等）？请系统性地比较它们的技术原理、适用场景、优缺点及典型应用案例，并分析在实际落地中如何根据业务需求选择合适的技术路径。

#滴滴#模型微调#Agent

面试题·Prompt

System Prompt 和 User Prompt 有什么区别?

匹配题目：System Prompt 和 User Prompt 有什么区别？它们各自承担什么职责，两者要求冲突时模型会听谁的？

#入门#基础概念#System Prompt

面试题·模型微调

什么是微调(SFT)?和预训练有什么区别?

匹配标题与标签：什么是微调(SFT)?和预训练有什么区别? 预训练学知识、SFT 学听话,一文分清分工与数据形态模型微调入门基础概念 SFT 微调监督微调 SFT 和预训练区别指令微调数据

#入门#基础概念#SFT 微调

面试题·模型架构

Token 是什么?为什么大模型按 Token 计费?

匹配正文：答案要点 Token 是大模型处理文本的最小单位,由分词器(Tokenizer)切出来,可能是一个词、半个词或一两个汉字模型的输入输出、上下文窗口、计费全部以 Token 计量,而不是字符或单词中英文差异:主流词表偏英文,1 个英文单词约 1~1.3 token,1 个汉字常需 1~2 token 按 Token 计费是因为计算量与 Token 数直接成正比,每生成一个 token 都要完整跑一遍前向计算估算成本先估 Token:输入和输出都收费,输出单价通常更贵核心…

#入门#基础概念#token是什么

面试题·RLHF与对齐· 京东

PPO vs DPO vs GRPO 怎么选?

匹配题目：… GRPO（Group Relative Policy Optimization）三种优化算法的核心思想、适用场景及其在强化学习与大模型对齐中的主要区别。

#RLHF#PPO#DPO

面试题·Agent

LangGraph 的 StateGraph 怎么设计？State、Node、Edge 到底各负责什么

匹配标题与标签：… LangGraph StateGraph 设计 LangGraph 面试题 Agent 状态图 State Node Edge 区别大模型 Agent 编排

#Agent#工作流与状态#LangGraph StateGraph 设计

面试题·模型架构· OPPO

CNN/RNN/Transformer 怎么选?

匹配标题与标签：… 模型架构 CNN RNN Transformer 神经网络演进架构对比 2026真题 CNN RNN Transformer 区别深度学习网络结构神经网络适用任务大模型架构与原理 OPPO

#CNN#RNN#Transformer

面试题·模型训练· 字节

MSE vs 交叉熵损失怎么选?

匹配题目：均方误差（MSE）与交叉熵损失函数在数学定义、适用任务和梯度特性上有何本质区别？为什么在大语言模型的预训练和微调中普遍采用交叉熵而非MSE作为损失函数？

#损失函数#交叉熵#MSE

面试题·模型架构· 百度

VQ-VAE 与传统 VAE 有何不同?

匹配标题与标签：…器向量量化多模态生成 2026真题 Vector Quantized Variational Autoencoder VAE 区别大模型架构与原理百度

#VQ-VAE#离散表示学习#变分自编码器

面试题·评估· 阿里

验证集和测试集为何要分开?

匹配标题与标签：…开? 模型选择偏差与泛化能力评估,合并的风险评估模型评估过拟合数据划分泛化能力模型选择偏差 2026真题验证集测试集区别泛化能力评估大模型评测阿里

#模型评估#过拟合#数据划分

面试题·RAG

RAG 和微调怎么选？

匹配标题与标签：RAG 和微调怎么选？从时效性、成本、幻觉三个角度给出判断口诀 RAG 入门基础概念 RAG和微调的区别 RAG还是微调大模型微调成本 Fine-tuning对比RAG

#入门#基础概念#RAG和微调的区别

项目实战·Agent

Memory & Transformer 基础

匹配正文：Transformer 基础(分词 / Embedding / MHA·GQA·MLA / MoE)+ 大模型 Memory 模块本页介绍训练营项目的学习方向；完整教程与代码暂未公开。请先阅读下方对应公开教程，再按需要咨询课程安排。补齐大模型底层硬功夫:Transformer 四大基础 + Agent 长程记忆面试被问「讲讲 GQA 和 MHA 的区别」「MoE 怎么路由」「Memory 模块怎么设计」时卡壳，往往不是不努力，而是底层基础没系统补过。这个项目把 Tra…

#项目实战#Memory & Transformer 基础

面试题·模型训练· 百度

DDPM vs Flow Matching: 采样效率与优缺点?

匹配题目：…sion Probabilistic Models）与Flow Matching在建模思路、训练目标、采样效率和理论基础方面的核心区别，并分析各自的优缺点。

#扩散模型#流匹配#生成模型

面试题·Agent

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：…gent 循环。如果这种循环通常只有少量步骤，最后仍然交付一个直接答案，可以考虑 Agentic RAG。它与普通 RAG 的区别不在于有没有向量库，而在于检索是否由固定流水线执行。普通 RAG 预先规定“检索一次再生成”；Agentic RAG 允许模型根据当前证据决定是否再查、改查什么、要不要调用另一个工具。它与 Deep Research 的区别则在交付目标。Agentic RAG 主要想把当前答案补准；Deep Research 要覆盖一个完整研究任务，包括多个…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由

项目实战·Agent

第 1 章:为什么需要 Deep Research

匹配正文：…一遍,建立直觉,后面写代码和讲面试时就不会卡。概念 1:什么是 Deep Research? Deep Research,就是让大模型像一个调研员那样工作:接到一个复杂问题,自己拆解、自己反复查资料、自己判断信息够不够,最后写出一份有出处的调研报告,而不是一问一答。它和普通问答最大的区别,是中间那段「自主的、多轮的过程」。普通问答是「输入 → 输出」一锤子买卖;Deep Research 是「输入 → 想 → 查 → 看结果 → 再想 → 再查 → … → 综合输出」的一…

#Agent#Deep Research#项目实战

面试题·模型架构· 百度

DDPM 闭式采样为何无需展开前向链?

匹配正文：…同时得到1000个独立样本”，更不能说数据量机械翻1000倍。共享网络通过timestep条件在不同噪声水平上学习。训练与采样的区别训练可直接采任意 x_t，但生成时没有真实 x_0，需要从噪声沿学习到的反向过程推进，或使用DDIM、DPM-Solver等兼容的采样器减少函数评估。低噪/高噪与反向过程“早期/后期”的叫法要先约定方向，避免混淆。

#扩散模型#DDPM#训练策略

面试题·RLHF与对齐· 阿里

DPO vs PPO 怎么选?

匹配正文：核心区别：反馈信号和训练闭环不同 PPO（经典 RLHF 路线）训练时通常涉及策略模型、冻结参考模型、奖励模型和价值函数/critic；具体实现可以共享部分骨干，但不能简单概括成固定的“三模型” 策略在线采样回答，奖励模型给分，价值函数估计优势，PPO 用裁剪目标更新策略，并通过 KL 约束控制它偏离参考模型的幅度能直接优化标量奖励或可程序化验证的反馈，但采样与多组件协同让成本和调参难度都更高 DPO（直接偏好优化）使用成对偏好数据 chosen/rejected，训练…

#DPO#PPO#RLHF

系统教程·AI 编程

30 行写一个会调用工具的最小 Agent

匹配正文：…句话就把生产数据删了。关联面试题(去站内练手) 「ReAct 框架的工作流程是什么?和 Plan-and-Execute 有什么区别?」「Function Calling 在 Agent 里是怎么落地的?数据怎么造?」「Agent 比直接调 LLM 多了什么?」 👉 去题库搜 Agent / Function Calling / ReAct，用相关题目继续练：先讲清这段最小实现，再说明状态、失败处理和生产边界。训练营延伸这 30 行是「单 Agent」的地基。…

#Agent#AI 编程

面试题·Agent

Function Calling 到底怎么跑？模型不会执行函数，完整工具结果循环怎么实现

匹配正文：…终代表谁产生副作用。三种身份不能只写成一个字符串，否则出现越权时无法追责。 Function Calling 和普通文本解析有什么区别 ReAct 教学 Demo 常让模型输出： Action: search("关键词") 然后程序用正则解析。这种方式直观，也能兼容没有原生工具协议的模型，但格式容易漂移。模型多写一段解释、引号变化或参数包含特殊字符，都可能让解析失败。 Function Calling 让模型按结构化协议返回工具名和参数，程序更容易解析、校验和关联结果。如果模…

#Agent#工具调用与安全#Function Calling 完整流程