Interview · 30-min Sprint · 2026-07-17 下午

李政雄面试 · 30 分钟速版

候选人：上海交大机械硕士在读（2027.3 毕业），LingoAce AI 应用开发实习 3 个月。只有半小时，砍掉所有低区分度问题，留 7 题 —— 每题都在测"简历是他做的，还是他看的"。跟着时间条走，超时就跳下一题。

7 题
核心问题
30 min
总时长
3 题
定生死的鉴别题
3 条
硬性信息必确认

时间表

时间环节题号
0–3 min自我介绍：只讲 LingoAce 实习，限 2 分钟—
3–15 minLingoAce 深挖（全场重点）Q1 / Q2 / Q3
15–20 min项目鉴别题 + 安全快问Q4 / Q5
20–26 min基础快问（后端一题 + AI 一题）Q6 / Q7
26–30 min硬性信息三连 + 候选人反问一个—

开场就说"今天时间紧，我会打断你，不是不礼貌"。深挖时一旦确认"真做过"就推进，不恋战。

3–15 min · LingoAce 实习（Q1–Q3）

3 个月实习写了 4 大块产出，这 12 分钟测同一件事：他是设计者、执行者，还是旁观者。三题各 4 分钟。

简历原文 · 实习经历（项目背景）

"LingoAce · AI 应用开发工程师 · 2026.05–2026.07。参与儿童英语 AI Tutor 大模型工程化改造……推进 ASR 前置识别增强、统一 Prompt 协议、模型微调与分层评测闭环建设"

Q1 · 微调选型 · 4 min

为什么 ASR 选 1.7B、Tutor 选 14B？Full SFT 还是 LoRA，为什么？

简历原文 · 实习经历 3

"ASR 侧基于 10628 条儿童英语课堂音频与人工转写数据，完成文本清洗、上下文热词生成与 Qwen3-ASR-1.7B 微调，在 1,063 条测试集上 WER 降至 15.93%、目标词命中率达 97.64%；回复侧……完成 Qwen3-14B Tutor 回复模型 Full SFT"

答案要点
  • ASR 是窄任务 + 延迟敏感（课堂实时转写），小模型微调后够用且快、部署便宜；Tutor 回复要教学推理和低龄语言把控，任务宽，需要 14B 这档能力。
  • Full SFT vs LoRA：万级样本 + 要大幅改变输出行为（统一 Schema 格式），Full SFT 说得通。但他应该知道 LoRA 是什么、为什么没选（省显存、可插拔、但行为改变幅度有限）。
  • 必追一句：WER 15.93% 的 baseline 是多少？微调前后差多少？
加分

baseline 张口就来；知道 10628 条数据怎么清洗的。

扣分

说不出 Full SFT 和 LoRA 的区别；指标很熟但 baseline 一问三不知 —— 大概率只是看过报告。

Q2 · 延迟优化 · 4 min

800ms 降到 300ms —— vLLM 里具体是什么在起作用？

简历原文 · 实习经历 3

"通过 vLLM + Spring AI 接入 Java 后端真实链路，测试链路单次回复延迟由约 800ms 降至 300ms 量级"

答案要点
  • 两个关键词必中其一：PagedAttention（KV cache 按页管理，显存利用率高）、continuous batching（请求随到随插，不等整批）。
  • 加分项：prefix caching（系统 Prompt 部分复用）、流式输出先降"首字延迟"、量化。
  • 能分清"单次回复总延迟"和"首 token 延迟"是真懂；能画出 Java 后端 → Spring AI → vLLM 的调用路径更好。
加分

主动说 500ms 的下降里模型变小（14B 换更早的大模型 API）占了多少、推理框架占了多少。

扣分

只答"vLLM 就是快"—— 说明部署不是他做的。

Q3 · 评测口径 · 4 min

AI Judge 和人工 95.5% 一致率，是怎么算出来的？

简历原文 · 实习经历 4

"覆盖 1200+ 条 Tutor 回复样本，引入 GPT-5.5 从教学动作选择、执行质量、情感支持和低龄语言适配四维评分，并自动输出低分归因；抽样 200 条人工复核，AI Judge 与人工判断一致率达 95.5%……badcase 占比由 14.2% 降至 3.8%"

答案要点
  • 套路：人工先标 200 条金标集，拿 Judge 的判断和人工比，不一致的回头改 Judge 的评分说明，迭代到达标。
  • 口径必须说得清：四个打分角度各自算，还是"低于 3 分"二值化后算整体？说不清口径 = 数字不是他算的。
  • 加分：主动提 Judge 的坑（偏长回复、偏自家风格），所以才要人工抽检兜底。
加分

能举一个 Judge 和人工不一致的具体案例、后来怎么改的。

扣分

四个打分角度背得出，但任何一个的评分标准都说不出原文。

15–20 min · 项目鉴别 + 安全快问（Q4–Q5）

对应项目经历"智慧社区独居老人心理陪伴智能体"（2025.12–2026.02，开发人员）—— 他自己从头搭的东西，设计决策应该全部答得上来。

Q4 · 全场最佳鉴别题 · 3 min

Top3 Recall 96.5%、MRR 0.89 —— 测试集怎么构造的？多大规模？

简历原文 · 项目经历 2

"采用父子 Chunk 分层切分，实现'子块精准召回、父块补全上下文'；结合 BM25、Chroma 向量检索和精排模型构建混合检索链，Top3 Recall 达 96.5%，MRR 达 0.89"

答案要点
  • 标准做法：从资料库构造 QA 对（人工写或 LLM 生成 + 人工校验），每个问题标注 golden chunk；Recall@3 = 前 3 条召回含 golden 的比例；MRR = golden 排名倒数的平均。
  • 必须能报出规模（几十条还是几百条）和谁标的。几十条自己标的也 OK，诚实说出来反而加分。
  • 顺带听一句父子 Chunk 的人话解释：小块拿来精准匹配，命中后把父块（完整段落）塞给模型。
加分

知道 96.5% 在小测试集上有水分（题和资料同源，偏简单），主动说出来。

扣分

说不出测试集从哪来 —— 这两个数字不采信，简历其他数字也要打折。

Q5 · 安全直觉（快问） · 2 min

SafetyAgent：硬规则和模型判断冲突时听谁的？

简历原文 · 项目经历 4

"设计 SafetyAgent 双重安全审查机制，结合风险硬规则、模型结构化评估和历史上下文判断风险等级……未通过时触发修改与重新审核，通过后调用 MCP 工具生成风险报告、社区个案和预警记录"

答案要点
  • 正确答案只有一个方向：就高不就低。任何一路判定高风险就按高风险处理 —— 对象是独居老人的心理危机，宁可误报，不可漏报。
  • 硬规则一票否决；模型判断只能把风险等级往上提，不能往下降。
加分

不假思索答对，还能讲误报的代价和怎么用历史上下文降误报。

扣分

答"看模型置信度"或犹豫 —— 安全直觉缺失。

20–26 min · 基础快问（Q6–Q7）

简历写"精通 Java"。后端和 AI 各留一题，都是熟练者的送分题。

Q6 · 后端 · 3 min

ThreadPoolExecutor：任务进来的执行顺序？拒绝策略有哪些？

简历原文 · 专业技能 1

"精通 Java，深入理解集合、JUC、JVM 原理……熟悉 Kafka、MySQL、Redis 的核心机制与性能调优"

标准答案
  • 执行顺序（必答对）：先核心线程 → 满了进队列 → 队列满了开临时线程到 max → 还不行才拒绝。
  • 四种拒绝策略：Abort（抛异常，默认）、CallerRuns（调用方自己跑，天然限流）、Discard（静默丢）、DiscardOldest（丢队头）。
  • 加分：知道无界队列会让 max 参数失效、可能内存打爆，所以生产上要设界。

时间富余可追一句 Kafka：什么配置下会丢消息？（期望听到 acks / 副本 / 先提交 offset 后处理 中至少两点。）

Q7 · AI 基础 · 3 min

RAG 的幻觉从哪来？怎么压？

简历原文 · 专业技能 3

"掌握文档解析、分块、Embedding、向量检索与上下文拼接全流程，通过混合检索与 Top-K 策略优化召回、降低幻觉"

标准答案
  • 来源至少三个：检索不中（召回不相关的块，模型硬编）；切块切碎了（上下文断掉，模型脑补）；模型不看资料（用参数知识抢答）。
  • 压法对应：混合检索 + 重排；父子块 / 重叠切块；Prompt 强制"只依据资料、没有就说不知道"；答案带引用来源。
  • 加分：说出"检索的锅占大头，先修检索再怪模型"这个判断。

26–30 min · 硬性信息三连

简历原文 · 基本信息 / 教育背景

"在读·互联网·AI 应用开发工程师；上海交通大学 机械 硕士 2024.09–2027.03；现居城市：上海"

事项及格线备注
每周到岗≥ 4 天研二课程压力要问实话
可实习时长≥ 6 个月2026.07 起算，问导师是否放人
转正意愿明确意向2027.03 毕业，正好卡校招转正窗口

这三条缺一条，技术面再好也要在反馈里标黄。最后留 1 分钟给候选人反问。

面后 5 分钟评分

维度权重看哪几题5 分长什么样
LLM 工程实战45%Q1–Q4数字口径全说得清，能讲取舍和翻车案例
基础功底25%Q6–Q7两题全中，主动提生产注意事项
直觉与表达15%Q5 + 全程安全题秒答对，回答有结构
匹配度15%收尾三连到岗 / 时长 / 转正全达标

一票规则：Q1、Q3、Q4 三题里有两题答不出数字口径 → 简历所有指标按团队产出处理，个人评价降半档。3.5 以上推进，3.0–3.5 建议加面，3.0 以下婉拒。