【蚂蚁集团】【大模型开发】【暑期实习HR面】面经（八股+大模型项目+手撕）

蚂蚁集团 大模型开发 暑期实习 HR面 面经

背景：海外一年制硕士，计算机相关专业，一段中小厂大模型实习经历，投递蚂蚁大模型开发岗，时间线为投递后一周内完成笔试与一面，HR面在一面通过后约一周进行。

题目摘要

本次HR面实际包含两轮技术交叉面与一轮HR沟通，技术难度中等偏上，重点考察工程落地能力与对大模型应用层的理解深度。核心考点如下：

1. Java基础与并发：考察 ConcurrentHashMap 在 JDK 7/8 中的实现差异，以及 synchronized 与 ReentrantLock 的适用场景。追问了线程池核心参数设置原则。
2. MySQL与Redis八股：MySQL 侧考察了 覆盖索引 与 回表 的概念辨析，以及 最左前缀法则 在联合索引中的实际应用；Redis 侧考察了缓存穿透、击穿、雪崩的区分与应对方案，以及 ZSET 底层跳表结构。
3. 大模型项目深挖（RAG与Function Calling）：针对简历中的 RAG 项目，追问了检索召回率低时如何处理、上下文窗口超限的截断策略、Function Calling 的调用链路设计。
4. 推理成本优化：具体询问了如何降低单次请求的 Token 消耗，以及缓存策略在业务中的落地方式。
5. 手撕算法题：题目为「合并K个升序链表」（LeetCode 23 变体）。要求先讲思路再写代码，面试官关注边界条件处理与时间复杂度分析。

项目深挖

追问一：你的RAG项目在检索阶段命中率不高，如何定位并优化？

参考回答方向：先区分是召回问题还是重排问题。如果召回阶段 top-k 结果相关度低，优先检查切分粒度——固定长度切分容易切断语义，改用递归字符切分或语义切分（embedding 相似度聚类）。其次检查 embedding 模型与查询文本之间的域差异，必要时用领域数据微调 embedding 模型。如果召回尚可但重排后效果差，考虑引入交叉编码器（cross-encoder）进行精排，但需说明其推理成本较高，适合离线或小规模场景。回答时最好能举出具体的切分长度、召回数量与最终指标提升数据，体现工程迭代思维。

追问二：Function Calling 场景下，模型返回的 JSON 格式不稳定，如何处理？

参考回答方向：第一层是约束层，在 system prompt 中给出严格的输出格式示例，并设置 temperature=0 或极低温度。第二层是解析容错层，使用正则或专门的反序列化工具先做一层清洗，捕获 JSONDecodeError 后触发重试逻辑——将原始报错信息拼接回 prompt，让模型自行修正。第三层是兜底策略，若重试超过 N 次则转入人工处理或返回默认动作。同时可以提到采用 function_call 参数强制模型调用指定函数，但需注意部分模型对强制调用支持不完整，需要设置 fallback。回答的关键是展示多层防御的工程思维，而非依赖单一手段。

追问三：上下文管理上，如何处理超过窗口长度的对话历史？

参考回答方向：核心是分层管理——短期记忆保留原始消息，中期记忆做摘要压缩，长期记忆提取结构化信息（如用户偏好、关键实体）存入向量库。具体实现上，常用滑动窗口加摘要淘汰机制：当消息数超过阈值时，将最早的一部分进行 LLM 摘要，用摘要替换原文。注意摘要本身也会累积，所以需要为摘要设置独立的上限，超出后做二次摘要或直接丢弃最旧内容。另外可以提到按 Token 数而非消息条数做动态控制，因为不同消息长度差异可能很大。最后补充一句成本意识——摘要操作本身会消耗 Token，需要评估摘要触发频率与上下文命中率之间的平衡。

准备建议

1. 算法题不要只刷热门一百题。蚂蚁面试手撕题虽然不偏门，但会加改条件，比如本题要求返回合并后的链表头节点且空间复杂度 O(1)。建议把 LeetCode Hot 100 中链表、二叉树、动态规划三类题目的进阶要求（空间优化、原地操作）都过一遍，写完后自己口头复述一遍复杂度推导过程。
2. RAG项目准备一套完整的指标数据。面试官对项目的追问会一直深入到你答不上来为止。建议准备：切分策略对比实验（不同 chunk size 的召回率）、embedding 模型替换前后的效果差异、重排器引入后的 MRR 提升幅度。每个结论都要能说出实验条件与数据，避免只讲方法论没有量化结果。
3. 八股复习聚焦"对比"与"取舍"。蚂蚁面试官不喜欢单纯背诵定义，更喜欢听你对比不同方案的适用边界。例如 Redis 缓存穿透 除了布隆过滤器还有哪些方案、各自代价是什么；ConcurrentHashMap 的 CAS 与 synchronized 锁粒度在 JDK 8 中如何选择。建议用表格整理常见方案的优缺点对比，考前快速过一遍。

结果反馈

HR面结束当晚收到邮件通知面试通过，约 3 天后安排技术终面，整体流程推进速度较快。

想系统备战大厂大模型/Agent 开发？NiceOffer 提供 SDE+LLM 双轨 1v1 陪跑，合同保底 40w 年薪，文末扫码咨询。