百度 AI Infra 校招 二面 (3)

大模型与搜索

1. Beam Search 的原理是什么？与直接采样（sampling）有何区别？
2. Prompt 的生成方式、优化目标及对应的任务类型
3. 降低大模型幻觉（hallucination）有哪些常用方法？
4. 搜索准确性不高时，应如何进行问题排查？
5. 召回阶段与排序阶段，哪个更容易成为瓶颈？
6. 生成式搜索能否保证 top-1 结果的准确性？如何提升？
7. 生成式排序的基本思路

模型训练与微调

8. 对比 BERT 与 GPT 的预训练方式及训练细节差异
9. 如何构造排序模型的训练数据？正负样本不均衡时如何处理？

工程实践

10. 在项目中做过哪些相关性优化？是否有量化评估结果？
11. Agent 服务的高可用与鲁棒性是如何保障的？