打开章节导航攻略章节00|先把目标缩到一个能验证的岗位01|按实际工作区分 AI 岗位02|从自己的基础,走到一条可申请路线03|把已有经历变成可信证据04|做一个可验证的技术项目05|把项目变成 GitHub、简历与面试证据06|技术面试:按岗位练,不背一份万能题库07|地区、毕业时间与雇主资格分别核查08|定向申请:用同一套证据回答这条 JD09|用投递和面试记录,定位下一步技术案例:从“跑得动”到“证据可信”技术项目01|把一个小模型做成可信的实验02|把模型交给一个真实 HTTP 接口03|有引用,不代表回答正确三个能运行、能解释、能查错的技术样例教学输入的数据许可与来源模板01|岗位研究与申请前核验02|能力差距表03|学习行动与每周交付04|技术项目 README 模板05|实验与评测记录06|失败样本与根因验证07|中文与英文简历:三条路线的教学样例08|技术面试自查与模拟题09|行为面试:STAR与结果边界10|投递台账与招聘窗口11|面试复盘与问题定位12|个人贡献、上游来源与AI辅助声明13|资格、时间与地点确认:英文询问信14|数据卡与模型/系统卡可编辑模板包原始研究与来源覆盖缺口与更新队列真实雇主 JD 研究表JD 来源核验记录地区资格与招聘时间:分开核查新旧仓库内容边界与只读审查技术方法来源
完整攻略 · 资料核验 2026-11-13
本页目录 · 37 节

06|技术面试:按岗位练,不背一份万能题库

本章所有题目都是教学模拟,不是任何雇主的内部题、泄露题或保证会考的题。实际轮次、允许的工具、语言和评估方式,先向招聘方确认。练习目标是能解释、编码、调试和承认边界。

先问清面试形式

是否有在线编码、现场系统设计、ML 基础、论文讨论、项目深挖或 take-home?允许查文档或使用 AI 吗?题目是否有保密要求?每轮预计时长和提交方式是什么?录音、录屏必须遵守对方要求,不私自记录或公开。

一份准备计划应至少包含四种练习:不看答案手写代码、口头解释概念、画系统并讨论失败、打开自己的项目接受追问。

共通编码:六类题

练习说明能力最少边界测试
统计日志中最高频的 k 个错误哈希、排序、复杂度空输入、k=0、并列频次、异常行
流式读取大文件并计算均值迭代、数值与内存空文件、坏值、极大值
合并带时间戳的预测与标签数据粒度、键、延迟标签重复键、迟到标签、缺失标签
批量调用服务并限制并发并发、超时、资源控制部分失败、超时、取消
计算多分类混淆矩阵指标实现、标签空间未知标签、零分母、长度不同
去重并划分训练/测试数据数据泄漏意识相同文本、同一用户、多次采样

先澄清输入、输出、规模和错误行为,给一个简单正确的方法,再讨论性能。不要在没有规模约束时主动设计复杂分布式系统。

一道可手算的指标题

教学数据:真实正类 10 个,模型预测正类 8 个,其中 6 个正确。则 TP=6、FP=2、FN=4;precision=6/8=0.75,recall=6/10=0.60,F1=2×0.75×0.60/(0.75+0.60)=2/3。没有总样本数,不能计算 accuracy。

追问:“把阈值提高会怎样?”合理回答是阈值会改变正类预测集合;通常 precision 和 recall 存在取舍,但具体变化要看分数分布,不能保证每次 precision 都严格上升。阈值应在开发集上选择,测试集只负责评估既定方案。

算法与机器学习:十二道主问题

1. 训练集、验证集、测试集分别做什么?

训练集学习参数,验证集选择模型/超参数/阈值,测试集评估冻结方案。追问预处理是否也需要分割后学习、反复查看测试结果是否等于调参。看过测试错误再改方案,应说明评测不再完全独立,建立新的留出集。

2. 你如何识别数据泄漏?

检查时间、对象和标签形成过程。例子是预测取消订单却使用取消后生成的退款字段;同一人的多次记录进入两个集合;在全部数据上拟合词表或缩放器。修复方式取决于泄漏机制,不是简单“随机重分一次”。T01

3. 为什么不只报 accuracy?

看类别分布和错误成本。少数类很重要时,同时报告逐类 precision/recall、macro-F1、混淆矩阵与样本数。概率质量与阈值决策也应区分。指标选择取决于任务目标,不能宣布某个指标永远最好。T02

4. 过拟合与欠拟合怎样区分?

比较训练和独立验证表现、学习曲线与错误类型。训练好、验证差是过拟合的一种信号,但也可能是分布变化或标签口径不一致。先查数据,再考虑正则化、模型复杂度、数据量和更合适的特征。

5. 梯度下降到底更新什么?

对于可微损失 L(w),一次基本更新是 w←w−η∇L(w)。η 是学习率。能解释梯度的方向、维度和学习率过大/过小的表现。深度学习岗位再准备反向传播链式法则、mini-batch 与优化器差异,不能只背公式。

6. 逻辑回归为何能做分类?

先计算线性得分,再用 sigmoid 映射到 0–1 区间,用相应损失拟合参数,再用阈值做决策。输出值是否校准、阈值是否合理,需要数据验证。追问类别不平衡、正则化、特征缩放以及与线性回归的区别。

7. 朴素贝叶斯的“朴素”是什么?

在给定类别后,假设特征条件独立,用训练统计估计类别先验和特征条件概率。文本词汇并不真正独立,因此这是一个建模近似。平滑用于处理未见过的词/计数,log 概率可避免大量小概率相乘的数值问题。

8. 你怎样设计一次消融?

先写出假设,例如“二元词组能改善否定句分类”。固定数据、分割、主要参数和评测,只增加二元词组,报告总体与否定子集结果、计算成本和失败。若结果很小,不把它写成已经证实的普遍规律。

9. 离线提升为什么不一定在线有效?

可能存在数据分布、反馈机制、用户行为、延迟或选择偏差。解释评估对象与业务目标的差异,先做影子评估或受控小范围验证,并保留回退。若没有上线经验,可以用教学设计回答,但必须说清没有真实在线结果。

10. 论文里的新意与自己的贡献是什么?

用一张对比表说清相关方法、改变的部分、实验支持和失败。能指出何处是复现、何处是扩展、何处是共同工作。追问为什么选这个 baseline,以及能否被更简单的方法解释。

11. 分布变化怎么发现?

监控输入特征、输出分布和能够取得的真实标签,分层观察错误。输入变了不等于性能一定变差,性能变差也不一定只因输入变化。先验证采集和标签流程,再提出再训练、阈值或回退方案。

12. 深度学习研究岗还要补什么?

根据 JD 准备模型架构、损失、优化、训练循环、算力预算、内存、复现和相关研究。Transformer 方向能解释张量维度、注意力的作用与计算代价;大模型岗位能区分预训练、微调、偏好优化和推理评测。没有实际训练经历时明确承认,并用可复现实验说明已掌握的部分。

AI 工程:八道系统问题

1. 给一个分类模型设计 API

澄清单条/批量、输入大小、模型版本、响应字段和延迟目标。先实现健康检查与预测,再增加校验和日志。异常应区分输入错误与服务错误。设计请求 ID 便于定位,但不要记录不必要的敏感原文。

2. 为什么只报平均延迟不够?

平均值可能掩盖慢请求。一起报告 p50/p95、错误率、并发、请求大小、预热方式、硬件和测量次数。样本量小的分位数波动很大。本仓库延迟报告仅反映本机一次测试,不能据此推断云端容量。

3. 模型更新怎样回滚?

模型和预处理配置一起版本化,验证输入/输出兼容性,保留旧版本,灰度观察质量和系统指标。出现问题回到已知版本,并保留故障输入。只回滚模型文件但保留新词表可能产生不兼容。

4. 训练与推理不一致怎么查?

核对特征顺序、缺失值、词表、标准化、版本与数据类型。建立一组固定输入,比较离线函数和在线 API 输出。序列化方案应避免加载来源不明的可执行对象;本项目使用可读 JSON 模型。

5. 超时是否应该无限重试?

不能。先判断操作是否幂等、错误是否暂时、请求是否有截止时间。限制重试次数并退避,避免放大故障。对可能重复扣费或执行外部动作的请求,要设计幂等键和确认机制。

6. 批处理一定更好吗?

它可能提升吞吐,也可能增加排队延迟和内存。需要按请求到达方式、模型计算、最大批大小和等待时间实验。不要把单线程循环称为经过优化的 GPU batching。

7. 什么时候需要分布式?

先量出当前瓶颈。数据、模型、吞吐或可靠性确实超过单机可行范围时,再讨论扩展方案及通信、协调、成本。训练基础设施岗需深入通信与硬件,普通应用岗未必要求同样深度。

8. 服务正常返回 200 就算成功吗?

不算。还需检查响应语义、模型质量、版本、时效与权限。HTTP 正常返回只是接口验收的一部分,还要验证响应语义与任务结果。监控应同时覆盖任务结果和系统状态。

AI 应用工程:八道设计问题

1. 什么时候用检索,什么时候不需要?

知识有更新、来源要求或长文档查询时可以研究检索。固定规则和简单结构化查询可能直接用代码或 SQL。先比较简单方案,再选择模型与检索复杂度。

2. 检索与回答怎样分别评测?

先检查正确文档是否进入 top-k,再检查答案是否被文档支持、是否完整和是否应该拒答。检索命中不等于生成正确;引用存在不等于引用支持结论。用本项目的失败样本说明两者区别。

3. 文档中含有“忽略之前指令”怎么办?

把文档看作数据,不让它改变系统权限或工具规则。工具执行前做参数、目标和权限验证;有外部副作用时保留确认。基于关键词的拦截只能覆盖有限样例,不能被写成完整防注入方案。

4. 没找到可靠证据时怎么办?

按任务要求拒答、请求补充或转人工,明确缺失哪部分信息。拒答阈值在开发集选择,同时观察可回答覆盖率。全部拒答不是一个有用系统。

5. 缓存怎样避免串用户数据?

缓存键需要包含与答案有关的版本、检索范围和权限上下文。不能跨权限共享敏感回答。数据更新后还需失效策略。面试先说明隐私和正确性边界,再谈节省费用。

6. 结构化输出为什么还需要校验?

输出可能缺字段、类型错误或引用不存在。校验 schema、范围和业务约束,失败时受控重试或回退。JSON 能解析,不代表内容符合任务。

7. 如何比较两个 Prompt 或模型?

先固定任务集与评分规则,记录版本和调用条件,按可回答/不可回答、长短文本、语言等分层检查。生成具有随机性时重复运行,报告分布与成本,避免只展示最漂亮的一次。

8. 应用里哪些步骤不用 Agent?

确定的文件转换、字段校验、权限判断和简单计算优先由确定性代码实现。只有确有非结构化判断或动态任务需要时再引入模型。增加 Agent 数量不是技术成熟度指标。

项目深挖:一条追问链

“你为什么做这个项目?”→“最简单的方案是什么?”→“你如何证明改动有用?”→“测试集怎么来的?”→“哪条输入会失败?”→“改坏后怎么发现?”→“如果数据扩大十倍会怎样?”→“哪些部分是你自己写的?”

每一个答案都应能指向输入、代码、报告或真实经历。遇到未做过的部分,说“本项目没有验证这一点,我会这样设计实验”,比临时编一个生产故事更可靠。

行为面试:六个真实故事

准备一次失败、一次意见冲突、一次不清晰需求、一次时间取舍、一次主动发现问题、一次跨语言/跨文化协作。每个故事包含背景、责任、动作、结果、限制与反思。结果没有数字时用可核实的交付和反馈,不编造营收或录用。

教学模拟结构:团队想立即换更大模型,我先复现失败并发现标签口径不一致;我负责抽样与规则整理,同伴负责重标;结果以课程报告为准;没有上线,所以不能声称改善了真实用户体验。

跨文化题不要归因于国籍刻板印象。讲具体的沟通约定、文档、时区和验收差异,以及你如何减少误解。

一周面试训练

周一做一次基础诊断;周二手写两个编码题;周三演练 ML 或系统题;周四进行 30 分钟项目追问;周五录一次英文讲解;周六按对方规则完成限时模拟;周日只复盘证据最薄弱的一项。

评分分为“能否正确解释、能否独立实现、能否调试、能否说明限制、表达是否清楚”五项。不要用题目背诵数量代替准备质量。评分标准见面试自查模板。

原始文档:docs/06-technical-interviews.md