腾讯问答汇编
详细介绍实习工作
原题重点讲清楚自己解决的是什么问题
原题讲清楚背景、自己负责的问题、以及一步步解决的过程
原题讲一下通过这段工作总结了哪些经验
原题介绍最终各个指标
原题SFT 的 LoRA 和 DPO 的 LoRA 有什么区别
原题详细展开实习工作
原题设计了哪些实验
原题最终选择了哪个方案，为什么
原题最终交付是怎么交付的
原题聊了一下 RAG
原题智能体强化学习（Agentic RL）与传统大模型RL的核心差异
原题长时序任务下Agent强化学习训练失稳、容易崩模型的底层原因
原题Agent自进化机制的核心逻辑，是否属于模型自主迭代训练
原题手撕：PPO与GRPO算法在信用分配机制上的核心区别
原题原题带“手撕”前缀，但实际记录为信用分配机制比较，未说明要推导公式还是编码。
PPO的Clip截断约束与KL散度约束是否等价、适用场景差异
原题手撕：DAPO算法Token级损失函数，相较于原生GRPO的优化差异
原题手撕：简单）：三数之和解题思路：哈希表存差值下标一次遍历（两数）；三数之和先排序再双指针去重。时间复杂度：O(n) / O(n^2)空间复杂度：O(n) / O(1)易错点：三数之和要跳过重复元素；注意溢出。
原题原题名称混入两数之和与复杂度提示，主问为三数之和。
手撕：PPO算法中GAE优势函数的作用，已有Critic网络为何仍需GAE
原题上下文压缩（Context Compaction）操作后，模型信用分配难度加剧的原因
原题Agent强化学习场景Reward Hacking问题高发的底层机理
原题手撕：DSPO算法侧重序列级优化的设计逻辑与优势
原题此处 DSPO 指 Dynamic-filter Sequence-level Policy Optimization（arXiv:2510.09255）。
DeepSeek-V4对比V3版本的核心技术迭代与能力升级
原题DeepSeek-V4大量采用在线策略蒸馏、替代纯RL迭代训练的设计考量
原题DeepSeek-V4的OPD在线策略蒸馏，与常规知识蒸馏的本质区别
原题手撕：偏难）：图像差异最小包围矩形求解
原题手撕：简单）：三数之和解题思路
原题实习介绍和追问
原题怎么评估代码专家对奖励模型的判断是否正确？
原题主要问题都聚焦于怎么从用户角度出发，保证代码质量
原题手撕：AdamW
原题手撕：无重复字母的字串（hot100）
原题面对海量数据的时候怎么对数据进行处理，比如说去除掉敏感词等等，面对海量数据会出现哪些问题，该如何去处理
原题介绍发表的顶会论文
原题介绍Q-learning和DQN
原题bf16、fp16和fp32，并进行计算。
原题lora微调的细节，量化相关知识
原题手撕：ppo
原题算模型sft的参数量大小及显卡利用率
原题手撕：是否重合链表（hot100）
原题如何使得一个输入向量x在经过一个或多个全连接层后，其输出向量y所在子空间基底尽可能接近标准正交基
原题原题未明确需接近正交的是单个输出向量、批次矩阵还是子空间基，也未给出维度与秩约束。
介绍第一篇顶会论文（共享屏幕）
原题介绍第二篇顶会论文
原题不同强化学习之间的区别
原题和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变
原题该条虽带手撕，正文记录的是协议与窗口机制，没有可执行接口要求。
手撕：
TCP 与 UDP 主要区别，
TCP 滑动窗口机制原理、窗口大小动态调整、双方如何交换窗口信息
原题完整原题
手撕：TCP 与 UDP 主要区别，TCP 滑动窗口机制原理、窗口大小动态调整、双方如何交换窗口信息
进程、线程、协程的区别，单线程多协程模型能否有效利用多核 CPU
原题Agent+RAG 项目背景、技术方案（文档解析、分块、向量数据库选型与存储、检索流程）
原题RAG 系统上线性能表现，解决哪些业务问题，如何评估效果
原题使用哪款大模型、为什么，部署 GPU 环境，是否考虑高参数量并量化
原题模型蒸馏具体说明
原题如何构建评测数据集，用大模型生成评测集时如何处理上下文长度限制和文档跨页依赖
原题多 Agent 导购系统架构（Supervisor/Worker 角色、各 Agent 模型、通信机制）
原题多 Agent 系统的评测方案，如何验证功能正确性和反幻觉能力
原题开放题：估算北京市雨水井盖的大致数量（数量级）
原题用过哪些 ai 工具，对比一下（从技术角度回答）
原题claude code 了解哪些
原题sdd 是什么，其核心是什么
原题python 并发，协程
原题rag 流程，具体内容，rerank 机制
原题除了 sse 还知道哪些传输方式（websocket）
原题讲讲对 mcp 的理解
原题上下文有哪些部分组成，怎么做上下文工程，如何防止上下文爆炸，压缩之后上下文缩小了多少
原题大模型如何按需调用工具检索长期记忆
原题项目中遇到最大困难是什么，如何解决的。
原题正常来说，一个query进了RAG之后，整体的工作流程是怎样的？
原题在做改写跟扩写的时候，如果是多轮的对话，改写跟扩写有什么机制吗？
原题会把上下文都会传给这个改写的大模型节点吗？
原题手撕：如果只是单纯的做滑动窗口，当时为什么没有考虑做上下文压缩？解题思路：维护左右指针窗口，满足条件右移右指针、破坏条件右移左指针，更新最优解。时间复杂度：O(n)空间复杂度：O(字符集)易错点：窗口收缩时机；单调队列维护最值的正确性。
原题标题后半混入滑动窗口算法模板；实际问题是对话历史窗口与上下文压缩。
如果想要优化上下文压缩，觉得是前面前置轮次更重要还是后置轮次更重要？
原题记忆分层中，长期记忆跟短期记忆在agent中具体扮演什么功能？
原题为金融客服场景设计一个RAG和加Agent的系统，从成本和性能综合考虑如何选择资源，例如模型选型、硬件资源，是否需要做一些后训练？
原题大语言模型的选型一般会怎么选，如果在金融业务场景里的话？
原题上线的agent服务在突然有一天关键业务用例开始返回错误答案，甚至可能影响线上服务，作为agent的负责人，会怎么定位问题，如何保障系统不受影响？
原题一般情况下什么操作会导致召回的东西有问题？
原题在真实业务当中，agent由开发或研发同学设计维护，业务基础知识由产品经理甚至产品运维维护，会如何考虑这种分工来保证不出召回问题？
原题介绍一下 grpo 训练流程、
ppo loss 公式，新概率比老概率大很多且优势为负时被 clip 掉需要学习吗
原题完整原题
介绍一下 grpo 训练流程、ppo loss 公式，新概率比老概率大很多且优势为负时被 clip 掉需要学习吗
benchmark 有模型在上面刷榜吗，关联推理能力是否需要关注
原题平时怎么用 vibe coding，cursor 怎么设计，怎么记住编码踩过的坑
原题项目论文细节
原题fp16下7b模型推理和全量训练模型显存的占用量计算 Adamw会存哪些东西
原题qwen模型名称中的A的意思 讲讲moe架构
原题实习项目提问
原题go语言的垃圾回收机制
原题手撕：余弦相似度+ rl里的reward model
原题来源只明确手写余弦相似度；Reward Model 的网络、输入接口与代码范围未给出。
讲一下实习工作主要解决的是什么问题
原题训练数据怎么来的
原题最终几个评测集怎么用
原题训练用的什么卡
原题用了多少张卡
原题训练数据集规模
原题训练了多少个 Epoch
原题训练了多长时间
原题讲一下实习期间做的工作
原题为什么在实习结束后离职
原题为什么在做完一个项目后离职
原题介绍主流 Transformer-based 模型架构
原题讲一下 LoRA 原理
原题为什么用 LoRA，而不用全量微调
原题如何理解 LoRA 的核心假设：模型针对特定任务做下游微调时，权重矩阵更新具有极低的内在秩
原题为什么 SFT 之后还要进行后训练
原题这里的“后训练”指 SFT 后的偏好或奖励优化。
讲一下 DPO 的损失函数怎么计算
原题讲一下 GRPO 原理
原题GRPO 和 PPO 的区别
原题GRPO 的优点
原题什么情况下使用 GRPO 效果会不好
原题使用 GRPO 时，构造数据要符合什么要求
原题为什么不用 GRPO 训练，而是用 DPO 训练
原题熟悉哪些 Agent 框架
原题如果要设计一个好的 Agent，除了大模型，还会设计哪些部分
原题了解哪些训练框架
原题怎么构造高质量训练集
原题怎么体现训练集高质量
原题多路 System 增强策略怎么做
原题来源未定义“多路 System 增强”所指的具体方法。
训练后的效果用什么指标评价
原题Dense 模型和 MoE 模型有什么区别
原题怎么评测训练效果
原题了解哪些量化技术
原题量化发挥作用的原理是什么
原题讲一下 ZeRO-1、ZeRO-2、ZeRO-3
原题如果显存有限，会选择哪个方案训练
原题了解投机解码技术吗
原题讲一下投机解码技术原理
原题agentic rag 和传统 rag 的区别？
原题项目里的 agent 都调用了哪些工具？
原题如何保证 rag 召回信息的质量？
原题在线爬取是用的什么 api？
原题手撕：怎么保证模型的输出不产生幻觉？
原题对于细粒度的问题，你这套粗粒度快速定位➕细粒度精确检索的方案还有效吗？
原题rag 召回率 90%，badcase 都是什么问题，具体是哪个环节导致的？有想过怎么优化吗？
原题整个系统中使用的模型有做训练吗？还是调的 api？
原题agent 调用工具这个过程是怎么优化的？
原题合成数据是怎么做的，如何保证多样性？
原题lora 微调的原理，为什么小部分参数就能成功？
原题你训练的时候主要调了哪些参数，最终比较适合的参数是多少？
原题全量微调的劣势是什么？既然容易灾难性遗忘，有什么方法能够保证能尽可能保留模型原始能力，并让其迁移到新任务上
原题self-attention 的公式是什么？QKV 各是什么意思？
原题模型生成时的temperature 是干嘛的，原理是什么，什么场景用什么值？
原题比较宏观，我在这个项目里收获了什么
原题数据是怎么去重的，如何解决冲突部分
原题检索用的向量检索还是匹配检索
原题召回的数量是固定的还是动态的
原题意图理解层怎么做的
原题生成层怎么做的，检索的上下文太长怎么办
原题有无搭建过完整的 agent，memory 管理怎么做的
原题还用过别的ai 工具吗
原题
暂无题目