在AI技術(shù)飛速發(fā)展的今天，各大公司都在積極尋找能夠駕馭和創(chuàng)新AI產(chǎn)品的人才。美團(tuán)作為行業(yè)巨頭之一，其AI產(chǎn)品筆試題無疑成為了檢驗(yàn)候選人專業(yè)能力的重要標(biāo)準(zhǔn)。本文將帶你一探究竟，通過一系列精心設(shè)計(jì)的筆試題目，深入剖析美團(tuán)對(duì)AI產(chǎn)品人才的期望和要求。

1.R1和V3的區(qū)別是？

V3是一般的生成式模型，R1是推理模型。推理模型相較于生成式模型會(huì)先輸出一段思維過程，再進(jìn)行總結(jié)回復(fù)。其實(shí)從名字也能看出區(qū)別，V3應(yīng)該是Version 3，就是DeepSeek訓(xùn)練出的第三版模型，R1應(yīng)該是Reasoning 1，指第一版推理模型

2.Anthropic的模型家族叫啥？

Claude吧，不知道拼寫對(duì)不對(duì)

查了下，就是Claude哈哈哈，猜對(duì)了

3.通義現(xiàn)在的版本是2.5還是3？

不知道，平時(shí)沒咋用過通義

查了下，截止2025年4月16日，通義最新版本是2.5

4.對(duì)比3.5，3.7最大的變化是？

不知道……什么模型的3.5、3.7？之前聽說過Claude 3.7的編程能力比3.5強(qiáng)了一大截，是指這倆嗎？

查了下，應(yīng)該就是在問Claude3.7對(duì)比Claude3.5的變化，最大的變化是3.7是個(gè)混合推理模型，可以在標(biāo)準(zhǔn)模式（即時(shí)響應(yīng)）和擴(kuò)展思考模式（深度推理）間無縫切換

5.什么是端到端模型？

輸入和輸出之間沒有經(jīng)過特征工程的模型就是端到端模型。比如特斯拉的自動(dòng)駕駛模型（好像叫FSD？）就是端到端模型

查了下，確實(shí)叫FSD（Full Self-Driving）也確實(shí)是端到端

6.請(qǐng)說出2個(gè)多模態(tài)模型的名字?

GPT、Kimi。豆包、Gemini這些應(yīng)該也算

7.請(qǐng)說出ChatGPT的免費(fèi)版和Plus版的兩個(gè)區(qū)別？

哈哈哈這題也不是很會(huì)，隱約記得免費(fèi)版每天的可用額度比較少，而且不能選擇更高級(jí)的模型，Plus版額度多，可以選用高級(jí)的模型，比如deep research啥的

查了下，和我印象差不多。如圖：

8.RAG的中文或英文是啥？

這個(gè)我太會(huì)了，Retrieval Augmented Generation，檢索增強(qiáng)生成

9.RL的中文或英文是啥？

這個(gè)我也太會(huì)了，Reinforcement Learning，強(qiáng)化學(xué)習(xí)

10.Stable Diffusion、DALL-E 2/3、Midjourney都用了啥模型？

好像是擴(kuò)散模型吧？就是先給個(gè)噪聲然后慢慢生成圖像

查了下，確實(shí)是擴(kuò)散模型，通過逐步去噪生成圖像，

11.你用cursor還是windsurf還是？你主要用3.7還是4O還是？原因是？

都聽說過但是都沒用過哈哈哈。我現(xiàn)在用的是VS Code+Copilot，原因是學(xué)生時(shí)代就是VS Code老用戶了，懶得換。我有聽說Cursor是目前的最強(qiáng)AI IDE，可以聯(lián)網(wǎng)搜索并在IDE內(nèi)生成代碼，對(duì)于需要閱讀API文檔并寫代碼調(diào)用來說很方便。但我作為產(chǎn)品平時(shí)確實(shí)不咋用得上這個(gè)功能，何況Cursor收費(fèi)，Copilot免費(fèi)，所以VS Code+Copilot的組合對(duì)我來說更劃算一些

12.什么是prompt工程？包含哪幾個(gè)要素？你工作中，是如何設(shè)計(jì)和迭代，并講下結(jié)果？

我自己理解prompt工程就是根據(jù)不斷調(diào)整prompt以至大模型能夠輸出預(yù)期結(jié)果的過程。

我自己理解prompt要素一般有：

1. 任務(wù)背景：比如大模型人設(shè)、大模型不知道的特定信息
2. 任務(wù)目標(biāo)：要讓大模型完成什么事情
3. 限制：大模型必須嚴(yán)格遵守的要求，比如字?jǐn)?shù)（雖然它不一定會(huì)遵守）
4. 輸出格式：比如讓它用JSON輸出啥的
5. （可選）例子：就是舉個(gè)例子給他看我要的是啥
6. （可選）思考方式：第一步干嘛、第二步干嘛……

設(shè)計(jì)上：簡單任務(wù)直接一句話（比如“把‘xxx’這句話翻譯成英文”），復(fù)雜任務(wù)我一般按照Markdown格式寫：

其實(shí)就像給實(shí)習(xí)生布置工作一樣，按STAR法則說清楚就好：“我們現(xiàn)在要干嘛，目標(biāo)是達(dá)到什么效果，你需要做什么，最后取得什么結(jié)果”。不過因?yàn)槲覒?，?fù)雜任務(wù)我會(huì)讓模型幫我設(shè)計(jì)prompt，比如：“我現(xiàn)在需要做xxx（任務(wù)），請(qǐng)你根據(jù)這個(gè)任務(wù)的特點(diǎn)選擇合適的prompt結(jié)構(gòu)并寫一個(gè)輸入給xxx（模型名稱）的prompt，如果有不清楚的地方請(qǐng)先向我詢問”

迭代上：迭代思路就是根據(jù)模型的輸出反思我哪里沒說清楚，然后在prompt里再專門說明下。比如如果模型輸出完全不合要求，那大概率是任務(wù)背景和目標(biāo)不夠清楚，加幾個(gè)例子基本就能解決，還不行就再展示我的思考過程，即我是怎么一步一步完成任務(wù)的；又比如如果輸出基本符合要求，但是總有些語氣不合適，輸出格式不對(duì)這種瑕疵，那就在“## 限制”部分里明確說明“你必須xxxx”，如果限制不起作用，那就再恐嚇模型，比如“你必須xxxx，否則地球上會(huì)有一個(gè)無辜的人因你沒有遵守這條要求而死去”

結(jié)果上：工程類問題（比如寫個(gè)數(shù)據(jù)分析的腳本）基本上一次就能輸出我要的結(jié)果，但是創(chuàng)意類問題（比如給我之前發(fā)的《從零構(gòu)建大模型知識(shí)體系》系列文章的題記和后記）需要多調(diào)整幾次

13.溫度temperature是啥意思？在你工作中，調(diào)高調(diào)低產(chǎn)生了哪些影響？

這我可太知道了哈哈哈，在我之前發(fā)的《從0構(gòu)建大模型知識(shí)體系（3）：大模型的祖宗RNN》中專門解釋過。temperature是控制模型偏移最大概率token進(jìn)行采樣輸出的一個(gè)參數(shù)，越低模型越會(huì)忠于語料中學(xué)到的內(nèi)容進(jìn)行回復(fù)，準(zhǔn)確性高但創(chuàng)意性低，越高越不會(huì)按照學(xué)到的內(nèi)容進(jìn)行回復(fù)，準(zhǔn)確性低但創(chuàng)意性高。讓模型幫我想文章題記和后記的時(shí)候會(huì)調(diào)高，模型的輸出確實(shí)會(huì)越有創(chuàng)意。讓模型幫我完成工程問題的時(shí)候會(huì)調(diào)低，保證同樣的輸入模型會(huì)有同樣的輸出。

14.什么是幻覺？說出可能導(dǎo)致幻覺的2個(gè)原因？你用過哪幾種緩解幻覺的方法，取得哪些結(jié)果？

這我也可太知道了哈哈哈，在我之前發(fā)的《從0構(gòu)建大模型知識(shí)體系（3）：大模型的祖宗RNN》中也專門解釋過。

什么是幻覺：幻覺是指模型的輸出語言連貫自然，但實(shí)際內(nèi)容與真實(shí)情況不符的現(xiàn)象。

導(dǎo)致幻覺的原因：1）最根本的原因是模型的本質(zhì)是個(gè)概率預(yù)測(cè)機(jī)器，在訓(xùn)練過程中學(xué)到的是不同token之間共同出現(xiàn)的統(tǒng)計(jì)概率，這使得它在回復(fù)時(shí)是在最大化語言的“連貫性”而非“正確性”；2）訓(xùn)練語料本身就有錯(cuò)

緩解幻覺的方法：我現(xiàn)在能想到的幾個(gè)方法按照有效程度從低到高排的話是

1. 直接在prompt里告訴它，比如“不要捏造事實(shí)，必須忠于我給你的pdf進(jìn)行回答”
2. 在prompt里引導(dǎo)模型進(jìn)行思考，比如手把手教他1+1怎么就等于2，可以一定程度上緩解大模型的計(jì)算幻覺
3. 調(diào)低temperature，讓模型忠于訓(xùn)練語料中的內(nèi)容進(jìn)行回答（前提是訓(xùn)練語料正確無誤）
4. 上RAG，讓模型根據(jù)校驗(yàn)過的正確信息做出回答?；蛘咄梁栏纱郤FT一遍，讓模型根據(jù)正確的信息重新學(xué)習(xí)怎么說話

取得的結(jié)果：目前我也就實(shí)踐過前3條，結(jié)果還行。我用豆包1.5 pro幫我讀企業(yè)年報(bào)并回答其中哪句原文最能表明他們將AI作為企業(yè)戰(zhàn)略，基本能做到70%的情況下確實(shí)是原文

15.RAG提升大模型表現(xiàn)的原理是？如何處理長文本？你如何做的及結(jié)果？

我理解原理應(yīng)該是讓模型先檢索與用戶提問最相關(guān)且最新最正確的信息，然后基于這些信息進(jìn)行輸出。至于如何處理長文本……不清楚，如何做的及結(jié)果……沒做過

查了下，原理和我理解的差不多：RAG 通過檢索實(shí)時(shí)或領(lǐng)域?qū)俚耐獠恐R(shí)庫（如文檔、網(wǎng)頁、數(shù)據(jù)庫），動(dòng)態(tài)注入最新或更精準(zhǔn)的信息，提升回答的準(zhǔn)確性和時(shí)效性。

處理長文本的方法有：

1.分塊 (Chunking) ： 將長文本分割成更小的、有意義的文本塊（Chunks）

2.建立索引(Indexing)： 將這些文本塊進(jìn)行處理（通常是計(jì)算它們的向量嵌入表示），并存儲(chǔ)在一個(gè)可快速檢索的索引中（通常是向量數(shù)據(jù)庫）

3.相關(guān)塊檢索(Relevant Chunk Retrieval)： 當(dāng)用戶提問時(shí)，檢索器在文本塊的索引中進(jìn)行搜索，找出與問題最相關(guān)的一個(gè)或多個(gè)文本塊。

4. 基于塊的生成 (Chunk-based Generation):檢索到的這些相關(guān)文本塊（而不是整個(gè)長文檔）被用來增強(qiáng)用戶的原始Prompt，然后送入LLM

16.Fine-tuning是什么意思？說出一個(gè)方法和如何提升效果？你如何做的及結(jié)果？

Fine-tuning是指根據(jù)目標(biāo)任務(wù)收集相應(yīng)的數(shù)據(jù)后，用這些數(shù)據(jù)繼續(xù)訓(xùn)練模型使之能完成該任務(wù)的過程，目前我知道LoRA這個(gè)方法，但如何提升效果……我現(xiàn)在只知道數(shù)據(jù)越多越好，質(zhì)量越高越好….比較廢話哈哈哈。如何做的及結(jié)果：學(xué)生時(shí)代搭了一個(gè)CNN架構(gòu)的CIFAR-10分類器算嗎？結(jié)果好像是93%的準(zhǔn)確率

17.SFT中文或英文是啥？如何用SFT來提升大模型的表現(xiàn)？你如何做的及結(jié)果？

Supervised Fine-tuning，有監(jiān)督微調(diào)。根據(jù)目標(biāo)任務(wù)的輸入輸出收集數(shù)據(jù)并打標(biāo)，然后用其來調(diào)整模型參數(shù)。至于如何做的及結(jié)果，啊抱歉，目前還沒有給大模型做過SFT

18.RL怎么提升大模型的能力？你如何做的及結(jié)果？

據(jù)我所知RL可以在兩個(gè)方面提升大模型能力：1）可以讓大模型具備推理能力，比如DeepSeek-R1-Zero就是在DeepSeek-V3-Base的基礎(chǔ)上直接通過RL涌現(xiàn)出了推理能力。2）可以讓大模型的回答對(duì)齊人類偏好，比如通過RLHF讓模型知道什么問題該回答，什么問題不該回答

19.語音生成模型中的zero-shot voice cloning原理是什么？你如何做的及結(jié)果？

這個(gè)確實(shí)不清楚……語音模型閉源的我只玩過MiniMax，開源的只玩過SparkTTS，平時(shí)用的機(jī)會(huì)不多，所以沒咋關(guān)注原理。但我沒理解這道題的是語音克隆怎么著也得先提供一個(gè)克隆樣本吧，那至少也得是one-shot才對(duì)，怎么能夠做到zero-shot呢？

查了一下，zero-shot voice cloning還真是指用少量錄制的語音樣本來復(fù)制說話人的聲音，只不過這些樣本不會(huì)用來更新模型參數(shù)。行吧，看來我對(duì)zero-shot的理解有些偏差。 核心原理是模型可以將語音內(nèi)容與說話人音色特征解耦。模型從輸入的短音頻中提取代表音色特征的“聲紋”（voice embedding）。然后將這個(gè)“聲紋”與需要合成的文本內(nèi)容相結(jié)合，生成具有目標(biāo)音色的新語音。這種能力使得模型可以克隆從未聽過的聲音。

20.你在comfy ui上做過最復(fù)雜，或最滿意的的工作流是什么？你如何做的及結(jié)果？

確實(shí)挺早就聽說過comfy，但因?yàn)閼芯鸵恢睕]嘗試，直到后面在B站經(jīng)常刷到Coze，索性就都用Coze搭工作流了。最滿意的工作流是最近搭的一個(gè)幫我讀企業(yè)年報(bào)的工作流，不算多么高大上，但確實(shí)幫我解決了實(shí)際問題。情況如下：

背景：我最近需要研究企業(yè)發(fā)布AI戰(zhàn)略對(duì)業(yè)績的影響，所以找了A股2019-2023在市的570+上市公司共計(jì)3950份年報(bào)，一個(gè)人讀這些年報(bào)顯然不現(xiàn)實(shí)

目標(biāo)：在2天內(nèi)完成工作流搭建并讓LLM讀完所有年報(bào)，判斷每份年報(bào)中是否將AI作為戰(zhàn)略

動(dòng)作：

1）確定工作流的輸入輸出：輸入是所有企業(yè)年報(bào)pdf鏈接的excel，輸出是判斷每個(gè)pdf【是否將AI作為戰(zhàn)略】、【做出判斷的原因】以及【相關(guān)原文】這三個(gè)額外字段

2）一步一步搭建工作流：

1. 讀取excel并逐行解析pdf鏈接。聽上去好像隨便找個(gè)現(xiàn)成的庫就能解決，但實(shí)際我發(fā)現(xiàn)用代碼訪問pdf鏈接會(huì)報(bào)錯(cuò)無法解析，而用瀏覽器訪問卻又可以正常下載pdf文件。研究半天發(fā)現(xiàn)是因?yàn)檫@些鏈接的服務(wù)端返回本身就有某種神奇的錯(cuò)誤，而市面上免費(fèi)的、付費(fèi)的pdf解析API都沒法處理這種錯(cuò)誤，還偏就只有瀏覽器能解決，遂在VS Code里讓Copilot幫我寫個(gè)腳本用chromedriver以臨時(shí)文件的形式先把pdf下載到本地解析，清洗，然后再發(fā)送給工作流，這才解決了問題，否則60%的pdf都無法解析
2. 大模型選型：年報(bào)一般比較長，所以當(dāng)然最先嘗試主打長文本的Kimi，但Kimi判斷不太準(zhǔn)不說，在Coze上還有調(diào)用次數(shù)限制，充錢也不能提升調(diào)用次數(shù)。同樣，通義Max啊，abab6.5s啊充錢也沒法多用。所以只能在DeepSeek-V3、DeepSeek-V3-0324、DeepSeek-R1、豆包1.5 pro這些充錢就能多用的模型里嘗試，最后發(fā)現(xiàn)豆包1.5 pro判斷最準(zhǔn)，而且價(jià)格還比主打性價(jià)比的DeepSeek-V3便宜。但因?yàn)槎拱?.5 pro只支持32k的長度，所以我在解析pdf后強(qiáng)制只上傳前30k個(gè)中文文本，感覺這樣也可接受，畢竟企業(yè)如果真要把AI作為戰(zhàn)略，前3萬字怎么著也得說這事兒了吧。
3. prompt設(shè)計(jì)：這顯然是一個(gè)復(fù)雜任務(wù)，因?yàn)槲覒?，我直接在豆包桌面端讓它幫我寫prompt，然后改了改就直接用了。
4. 數(shù)據(jù)組裝和整合：大模型的輸出是個(gè)JSON對(duì)象，但我最后要的是excel，所以還得在coze里新增一個(gè)代碼塊做數(shù)據(jù)整合，然后再調(diào)用一個(gè)excel生成插件。這塊兒純臟活，在Coze里直接用自帶的AI編程幫我干了
5. 嘗試通過并發(fā)來提效，但時(shí)間有限沒搞定：這套工作流處理10個(gè)pdf大概需要5分鐘，所以串行處理3950個(gè)pdf需要32個(gè)小時(shí)，不可接受。所以我讓Copilot幫我做全流程并行化，雖然最后代碼是跑通了，但不知道為啥實(shí)際效果還是串行。這其中涉及到很多并行的網(wǎng)絡(luò)請(qǐng)求發(fā)送，結(jié)果查詢啥的我確實(shí)時(shí)間有限來不及研究，遂放棄。最后通過我自己的win電腦，一臺(tái)云上win電腦，再加上朋友一臺(tái)x86和一臺(tái)arm的MAC，總共四臺(tái)電腦跑了8個(gè)小時(shí)終于搞定。其中我們發(fā)現(xiàn)arm的MAC速度是真快，M2芯片確實(shí)有點(diǎn)東西哈

結(jié)果：

• 時(shí)間成本：搭工作流花了我1.5pd，處理所有pdf花了8小時(shí)
• 金錢成本：調(diào)用豆包1.5 pro一共花了大概60塊，云上win電腦平時(shí)也會(huì)用來玩AI，所以不算成本
• 收益：讀完了3950份年報(bào)，讓后續(xù)的分析有了數(shù)據(jù)基礎(chǔ)

如有幫助，還望點(diǎn)個(gè)贊，謝謝！