匹配正文：…质量门。平均 reward 上升，但引用、工具成本或安全退化，只因总分权重把它们抵消。第四种是无法归因。同时更换数据、模型、Prompt、环境与 reward，最终不知道哪个改动有效。应采用小步版本、固定回归集和阶段报告。每次训练都能回答“改变了什么、为什么改变、是否可复现”。多阶段训练风险与验收矩阵阶段越多，越需要独立目标、版本血缘和跨阶段回归。同一条轨迹能不能在三个阶段重复使用？原始任务和证据可以复用，但训练表示与目标不能简单复制。 CPT 更关注大规模行…

#Deep Research#数据构造与训练#Deep Research 多阶段训练

面试题·Agent

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

匹配正文：…ch 任务里有检索、分析和写报告，是不是应该分别做三个 Agent？” 很多人会直接回答“多 Agent 分工更专业”。但把三个 Prompt、三个名字和三段对话连起来，不代表系统真的获得了新的能力。任务边界不清时，多 Agent 只会增加消息传递、上下文复制、状态一致性和失败归因成本。反过来，一个 Agent 同时面对大量工具、相互冲突的指令、很长的中间轨迹和多个独立目标，也可能出现工具选择混乱、注意力被稀释、一步失败拖垮整条链路的问题。此时合理拆分可以隔离上下文、权限和…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

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

匹配正文：…里怎么体现讲你的工具注册与权限确认、trace/replay 怎么做、失败恢复和成本控制的具体机制刷题去 Agent 题库。 Prompt 工程(77 题):验证你会不会把任务喂清楚 Prompt 看着门槛低,考点其实在"结构化把任务、约束、上下文、few-shot 组织好",以及怎么在工程里稳定复用 prompt。面试官想看你有没有把它当工程做,而不是碰运气凑话术。维度内容面试官在验证什么你能否把复杂任务拆成模型能稳定执行的指令、控制输出格式、处理边界情况先看…

#求职#职业转型

面试题·Agent

GRPO 为什么同一道题要采样一组答案，组内相对优势到底怎么算？

匹配正文：…同下可比。如果把不同难度、不同时间范围和不同工具预算的问题混在一组，reward 高低可能来自题目差异，不是策略差异。同一个 prompt 也不够。工具环境、来源时间、最大步骤、超时、可用工具和 reward 版本都要一致。某条轨迹因为网页暂时不可访问而低分，不能简单解释成策略更差。同组候选还应尽量独立采样。如果复制同一轨迹或随机性过低，reward 几乎一样，组内没有可用差异。因此组是一个实验单元：任务、环境和判定条件相同，只让策略采样路径发生变化。组内标准化到…

#Deep Research#数据构造与训练#Deep Research GRPO

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：…模型推理服务批处理、KV Cache、并发调度、显存、限流降级服务化章和推理优化题库设计一个带评估的内容审核/分类系统 Prompt 分类 vs 微调、评估指标、误报漏报权衡模型架构题库设计一个低成本的长文档摘要/问答长上下文 vs 分段检索、token 成本、缓存 RAG 系统怎么从零搭起准备策略:RAG 问答和 Agent 工作流是应用开发岗的绝对高频,必须能白板画出来还能扛住追问;高并发推理服务偏平台/推理工程岗,应用岗知道大致方案和瓶颈即可,不用深到…

#求职#职业转型

面试题·Agent

长轨迹被截断就算失败吗，为什么这样做会把 Agent 训成提前乱答？

匹配正文：…少保存什么？任务层要保存 task ID、问题族、任务合同、复杂度与允许工具。运行层要保存 run ID、父运行 ID、模型、Prompt、模板、环境和预算版本。步骤层要保存 action、参数、observation、证据 ID、开始与结束状态，以及该步骤是否完整提交。终止层要保存 stop reason、触发位置、剩余预算、是否存在 final answer、是否可恢复和用户是否主动取消。质量层要分别记录格式、行动、证据、答案与环境结果。一个总分无法表达“过程合…

#Deep Research#数据构造与训练#Deep Research 截断轨迹

面试题·Agent

Text2SQL 面对上百张表，怎样选对 Schema 并处理业务歧义

匹配正文：…用户只说‘查上个月华东的活跃客户’，你怎么让模型知道该用哪些表和字段？” 很多 Text2SQL Demo 会把全部建表语句塞进 Prompt，让模型直接生成 SQL。表少时看起来能跑，表一多就会出现三类问题：上下文被无关字段占满；同名字段和相似表互相干扰；用户说的是业务词，数据库里却只有技术字段。更难的是“活跃客户”本身没有唯一含义。它可能指登录过、下过单、产生过付费或满足某个客户分层规则。“上个月”按自然月还是最近三十天，“华东”按客户注册地、收货地还是组织归属，也都需…

#Agent#工具调用与安全#Text2SQL Schema 选择

面试题·Agent

Deep Research 一跑几分钟，为什么不能用普通同步接口硬等？

匹配正文：…HTTP 请求从头等到尾，连接中断就很难判断任务是否继续，网关超时可能误杀正在运行的任务，客户端重试还可能重复创建两份研究。相关工程教程给出的方向是异步任务加进度查询，并要求重试、降级、断点和状态隔离。所以面试官真正想问的是：长时 Agent 如何拆成任务控制面和执行面，任务状态机怎样设计，怎样处理幂等、租约、断点、取消、重试和背压，GPU 推理与外部工具并发如何协调，又如何定义可验证的服务目标而不虚构现有 QPS 或 SLA？同步请求为什么容易出问题？第一，生命周…

#Deep Research#上线成本与评估#Deep Research 长任务

面试题·项目与经历· 字节

大模型任务表现差怎么排查？

匹配正文：…置信与真实错误率联合观察。t-SNE适合探索局部可视化，但会扭曲全局距离，不能单独作为样本属于分布外的证据。系统侧要把基础模型、prompt、检索、工具、后处理和模型本体分开。检索没召回、上下文被截断、格式校验错误，都可能表现为模型能力不足。训练侧检查loss mask、tokenizer、学习率、梯度、checkpoint加载和数据配比，并用少量样本过拟合测试确认实现能学习。若确定需要微调，就建立可比较基线。LoRA的target modules、rank、alpha、…

#模型调试#bad case分析#数据质量

求职指南·求职

转行大模型最常见的 12 个坑

匹配正文：…表,每个坑只点到并指向对应细化篇,你命中哪条就去哪篇纠正。作者:吴师兄 | 适合:准备转大模型应用开发、想少走弯路的在校生和在职工程师 | 前置:对转大模型有初步计划先说结论:这 12 个坑的共同病根结论:这些坑表面各不相同,病根只有一个——花时间做了不产生面试证据的事。面试官最终只认三样东西:你能讲清楚的项目、能答住的追问、能量化的效果。凡是不往这三样上积累的努力,投入再多也换不成 offer。看下面这张表,对号入座,命中哪条点进对应那篇纠正,不要在这一篇里展开细节。…

#求职#职业转型

面试题·RAG

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

匹配正文：…结论形式是：“这次改动主要改善哪一层，哪些题型收益明显，哪些维度退化，额外成本是什么，是否通过既定门槛。”它比“总分提升”更能支撑工程决策。 LLM-as-a-judge 为什么也要被评测开放答案很难完全靠字符串匹配，可以让另一个大模型辅助判断正确性、相关性或 Faithfulness。但自动裁判会受评审 Prompt、证据长度、领域表达和模型版本影响，它的分数不是天然真值。一套可以落地的裁判校准流程先用一批人工金标样本校准，覆盖正确、部分正确、证据不足、答案外事实和引…

#RAG#评测与上线#RAG 评估指标

面试题·Agent

一次 Deep Research 到底花了多少钱，为什么只看总 Token 找不到成本黑洞？

匹配正文：…控只有“今天用了多少 token”，团队只能看到总额上涨，却不知道哪个租户、哪类问题、哪一步、哪个模型或哪个工具造成了变化。相关工程材料提出全链路指标、结构化日志、成本趋势与异常告警。真正落地还需要把每项消耗关联到任务 Trace 和质量结果。所以面试官真正想问的是： Deep Research 成本应拆成哪些组成，Trace 怎样从 task 关联到模型和工具 span，估算成本与供应商账单如何对账，怎样定位重试、长上下文和缓存失效，又如何避免为了降本牺牲证据与答案质量…

#Deep Research#上线成本与评估#Deep Research 成本

面试题·RAG

RAG 首字响应为什么慢？Embedding、检索和生成怎么逐段优化？

匹配正文：…理相关条目。缓存命中率要按场景统计。如果大多数问题都不重复，维护复杂失效逻辑可能不划算。缓存不是必选组件，而是用真实重复度换取的工程策略。流式输出能解决什么，不能解决什么？流式输出让模型一产生 Token 就发送给前端，用户不用等完整答案生成完再看到内容。它主要改善感知等待和完整答案的展示过程。模型开始生成之前的 Query 处理、Embedding、检索、Rerank 和 Prompt 构建仍然存在。如果 TTFT 主要耗在这些前置阶段，改成流式不会让第一个字更早…

#RAG#评测与上线#RAG 首字响应

面试题·Agent

Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？

匹配正文：…主张与证据、步骤与任务缺口对齐，哪些指标是硬门、哪些可以加权，如何处理开放答案、多次运行和环境波动，又怎样让评估结果真正回到数据与工程修复？为什么结果正确仍可能不合格？模型可能记得一个稳定事实，完全没有执行用户要求的外部核验。它也可能引用了不支持结论的页面，但答案碰巧正确。比较题中，模型可能漏掉一个对象，却给出与参考结论相同的建议。如果只用 Exact Match 或最终 Judge 总分，这些问题都可能被掩盖。结果评估要检查“这次交付”本身，但过程评估要检查能力…

#Deep Research#上线成本与评估#Deep Research 评估

面试题·Agent

Agent 线上答错一次，怎样用 Trace 和 Replay 定位到底哪一步坏了

匹配正文：…记录工具名、参数摘要、调用 ID、解析与 Schema 校验结果。若模型建议停止，需要记录结构化完成理由和随后验证器结果。原始 Prompt 可能含敏感数据，日志应支持脱敏、字段级访问和保留期限。可以保存内容哈希、模板、变量清单和受控快照，而不是把全部用户数据放进普通日志系统。也不应把隐藏的原始思维过程作为可观测性的前提。排障真正需要的是可验证的计划、动作、Observation、决策理由摘要和状态变化。结构化规划比不可控的自由推理文本更适合作为工程证据。工具调用应该记…

#Agent#多智能体与评估#Agent Trace 回放

求职指南·求职

转行大模型应用开发常见问题(FAQ)

匹配正文：…能上岸。每个问题都给硬结论,不和稀泥,判断依据都写在答案里。作者:吴师兄 | 适合:准备转大模型应用开发但还在犹豫的在校生与在职工程师 | 前置:知道自己想投应用岗还是算法岗 30 岁、35 岁转大模型应用开发,晚不晚? 技术上不晚。大模型应用开发 2023 年才成型,所有人在这个方向上的实际工龄都不超过三四年,你和 25 岁候选人的起跑线差距是近十年里最小的。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…

#求职#职业转型

面试题·推理优化· 百度

13B模型INT8/INT4量化后多大?

匹配正文：…re路径、推理框架和内核，不能用“某架构没有原生INT4”一句话覆盖所有实现。量化模型文件的GB和运行时峰值GiB也应分开报告。工程验证选一个真实服务栈，在相同模型版本、上下文长度、输出长度和并发分布下测试FP16、INT8与INT4。质量侧按任务分桶看准确率、困惑度、格式合规、长文本和高风险样本；性能侧记录模型加载后显存、KV每token增长、首token延迟、逐token延迟、请求吞吐、能耗和尾延迟。再扫 batch 与序列长度，画出容量和吞吐曲线。只有在固定质量门槛…

#模型量化#INT8/INT4#显存优化

面试题·推理优化· 京东

推理框架硬件支持对比

匹配口述回答：…以及插件扩展，但量化和功能支持仍随硬件变化。SGLang 也面向高性能 serving，前缀缓存和调度对多轮、共享 system prompt 的负载可能有优势，需要用真实流量证明。TensorRT-LLM 针对 NVIDIA 做模型、kernel、量化和 in-flight batching 优化，流程可导入 Hugging Face checkpoint、转换权重并构建引擎，也在推进更高层服务接口。工程门槛来自版本、模型兼容、构建和回归，不是一个固定 ONNX 必经步骤。…

#vLLM#TensorRT-LLM#llama.cpp

面试题·项目与经历· 美团

信息抽取：规则 vs LLM

匹配正文：…oken；它可能提升表现、减少重试或缩短开发迭代，但不能宣称直接减少 token。结构化输出能约束格式，不代表字段语义必然正确。工程上通常采用分层方案：确定性校验和高风险决策交给规则，模糊语义抽取交给 LLM，输出再经过 schema、词典、范围与跨字段校验，低置信或冲突样本进入人工复核。选型应在同一金标集上比较准确率、覆盖率、单位成本、端到端延迟、失败严重度和维护工时，并通过流量分布计算总拥有成本，而不是只比较一次 API 价格。

#规则引擎#LLM应用#成本优化

面试题·RLHF与对齐· 虾皮

RLHF 中 Reference Model 不训练?

匹配正文：…仍会影响优化。PPO里的old policy还用于重要性比率，它与长期固定的reference职责也不同，回答时不能把二者合并。工程上我会保存policy、reward、reference各自的版本与hash，记录每批prompt的KL、reward分量、长度和安全指标，并在独立偏好集上比较。若确实要更换reference，就创建新实验而不是悄悄覆盖。这样可以解释性能变化来自策略学习、奖励变化还是基准移动。

#RLHF#Reference Model#PPO

面试题·RLHF与对齐· 美团

GSPO 序列级比率与裁剪

匹配口述回答：…tion。它不是把监督学习和纯离线强化学习拼起来，而是面向大语言模型 rollout 的组内相对策略优化方法。训练时，对同一个 prompt 从旧策略采样一组完整回答，用规则验证器或奖励模型给每条回答打分，再用组内统计构造相对 advantage。这个思路和 GRPO 有共同点：都可以不训练独立 value critic，用同组样本提供 baseline。奖励也不一定来自人类偏好，数学、代码等任务可以使用可验证规则。关键区别在重要性比率的粒度。GRPO 的常见实现对每个 …

#策略优化#离线强化学习#监督学习结合RL

面试题·项目与经历· 美团

技术项目怎么讲出亮点?

匹配口述回答：…人工审核】输出。选择该方案是因为【真实约束与对比证据】，被放弃的备选方案是【真实备选】，原因是【质量、成本、延迟、维护或风险】。工程细节要挑本人最熟的一处展开。例如数据如何版本化、接口怎样幂等、模型如何灰度、异常怎样回退、监控怎样定位。若是大模型项目，还要说明prompt、知识库、模型和评测集的版本，避免把线上变化归因错。若涉及用户数据，要说明权限、脱敏和日志边界。结果只讲可复算指标。填写【优化前后质量、延迟、资源、失败率或人工时长】，注明比较窗口、样本量、硬件和是否同流…

#项目经验#系统设计#技术选型

面试题·项目与经历· 字节

大模型 vs 搜推小样本特征怎么融合?

匹配标题与标签：大模型 vs 搜推小样本特征怎么融合? 高维稀疏数据下大模型迁移学习与高效训练策略项目与经历特征工程迁移学习多模态融合冷启动模型蒸馏 2026真题大模型搜推融合小样本高维特征大模型迁移学习项目落地经验字节

#特征工程#迁移学习#多模态融合

面试题·Agent· 字节

Agent 架构的取舍与适用条件

匹配正文：…M调用+工具执行，RT常达秒级甚至10s+ 错误累积：单步错误会级联放大，"一步错步步错" 系统复杂：状态管理、工具注册、异常处理工程量大成本不可控：Token消耗和工具调用费用难以预估三、与RAG的关系：协同而非替代 RAG是Agent的一种工具，Agent是RAG的增强形态场景方案原因单次检索即可回答纯RAG 延迟低、成本低、足够准确需多源验证/计算/判断 Agent+RAG 检索作为Tool，Agent决策是否继续检索典型协同模式：ReAct框架中，R…

#字节#Agent#Agent 架构