字节跳动

Agent 应用开发工程师二面面经

完整信息

27 条问法 · 24 道题

本篇目录
#发面经攒人品# 1.自我介绍 2.绩点?有论文么?有实习么? 项目一(coding agent): 1.整个链路运转的流程? 2.skill分层体系是怎么做,为什么这么设计? 3.用户输入怎么和相关skill匹配? 4.有skill沉淀机制么?还是只能用户自己构造? 5.长短期记忆怎么设计的? 6.为什么要静态长期记忆和动态长期记忆? 7.每一轮对话触发一次长期记忆存储,有没有出现用户长期记忆快速积累,存的过多? 8.大模型怎么决定长期记忆是否需要召回? 9.压缩机制是做的?上下文窗口总token多大?触发上限为什么选这个值? 10.讲一下动态prompt和静态prompt? 11.模型底座是哪个?例如写一千行代码,需要消耗多少token?成本是多少?你用的百万token计费是多少? 12.追问为什么需要这么高的成本? 13.你平时自己还用你的coding agent么? 项目二: 1.为什么技术选型需要GraphRAG?和纯向量检索的区别在哪?解决了什么问题?(解决多跳和推理型问题) 2.追问:什么算推理型问题? 3.个人基于什么出发点,要做这个项目? 项目三: 1.为什么要做这个项目,出发点是什么? 2.为什么是基于Llama3架构? 3.讲讲SFT DPO GRPO 4.所选的数据集大小是多少? 5.有没有进行评测,评测指标是什么? 其他: 1.相比别人的优势是什么? 2.希望从这学到什么? 反问: 1.在AI发展这么快的时代,您认为对业务最大的赋能的点在哪? 2.随着基模的快速迭代,您认为Agent还有必要么?(回了一个好问题)
本篇目录
  1. 01
  2. 02
  3. 03
  4. 04
  5. 05
  6. 06
  7. 07
  8. 08
  9. 09
  10. 10
  11. 11
  12. 12
  13. 13
    模型底座是哪个?例如写一千行代码,需要消耗多少token?成本是多少?你用的百万token计费是多少?
  14. 14
  15. 15
  16. 16
    为什么技术选型需要GraphRAG?和纯向量检索的区别在哪?解决了什么问题?(解决多跳和推理型问题)
  17. 17
  18. 18
  19. 19
  20. 20
  21. 21
  22. 22
  23. 23
  24. 24
  25. 25
  26. 26
  27. 27

相关公司