算法实习生一面面经

区分项目属性：该项目属于实习落地项目还是个人自研项目？整体训练数据集的获取渠道与来源是什么？

讲解原始图文数据集的存储与数据格式，详细说明图片素材的获取途径、文本数据包含的具体字段，完整描述单条最终训练样本的构成结构。

项目中图文匹配、脏数据过滤的完整技术方案是什么？具体通过哪些维度、规则、算法判定图文内容匹配/不匹配？

微调基座选定Qwen3-VL的核心原因？横向对比市面其他多模态视觉大模型，在性能、适配性、落地场景上做了哪些取舍与考量？

阐述QLoRA的显存优化底层原理，说明该项目训练采用单卡还是多卡部署，同时说明训练时的batch size、学习率等核心超参数。

在图文匹配任务中，精准定义评价指标精确率（precision）、召回率（recall）的计算逻辑与适用场景。

如果由你重新设计该任务的测试集，会采用怎样的划分逻辑、分层策略，如何保证测试集的客观性与泛化性？

从模型输出概率分布的底层角度，解释RAG检索增强技术能够有效抑制大模型幻觉问题的核心原理。

模型对齐方案选型思考：项目舍弃传统RLHF、选用DPO直接偏好优化的原因是什么？讲解DPO核心推导公式与完整损失函数构成。

阐述本Agent项目的立项背景、业务痛点，以及项目核心解决的实际业务问题。

架构中主调度Agent与各类子Agent的职责边界、分工逻辑、调用链路分别是什么？

剥离LLM大模型能力、仅保留固定流程化脚本，整套Agent系统是否可以正常运行？原因是什么？

项目自定义Action动作空间的选型依据是什么？是否遇到动作空间过大导致智能体探索效率低、收敛困难的问题，如何解决？

分析Agent系统引入强化学习RL的必要性，总结可通过哪些现象、指标判断Agent任务必须依赖RL优化，而非Prompt工程即可解决。

详细拆解项目Reward奖励函数的组成模块、权重配比、设计逻辑；是否出现过奖励黑客（reward hacking）问题，如何排查与修复，并补充核心参数细节。

线上业务反馈：用户频繁遇到Agent不响应用户问题、反复无效调用工具的异常情况，请说明完整的问题定位思路、排查流程，以及导致该问题的所有潜在原因。

题型为实操落地开发：Vibe Coding 大模型多轮对话服务系统搭建