Подготовка к интервью
201 вопрос с собеседований в X5 Tech
Что проверяют на интервью
Подборка объединяет вопросы, отмеченные на этапах интервью в X5 Tech. Здесь можно понять структуру технической проверки и заранее повторить связанные темы. В подборке чаще встречаются темы: testing, api, http.
Каталог
Градиентный спуск обновляет параметры против градиента функции потерь: w ← w − η∇J(w). Основные варианты различаются количеством примеров для одного обновления: batch, stochastic и mini-batch.
Читать ответЗадайте бюджет контекста: сохраняйте недавние сообщения, компактное состояние задачи и только релевантную историю. Старые tool results и повторяющиеся документы не нужно отправлять целиком каждый раз.
Читать ответTop-K метрики и лайк/дизлайк измеряют разные стороны качества. Recall@K или NDCG оценивают выдачу относительно релевантности, а пользовательский отклик зависит также от интерфейса и ожиданий.
Читать ответКод сначала падает: hello не принимает max_tries. Если требуется retry, внешняя функция должна принимать число попыток, а повторять вызов нужно только после оговорённой ошибки, не после успеха.
Читать ответНазовите фактический способ дообучения и причину выбора: LoRA обновляет адаптеры, полное дообучение — выбранные или все веса базовой модели. Из слова «дообучали» конкретный режим не следует.
Читать ответВ обычном методе наименьших квадратов минимизируют J(w) = ||Xw − y||²/(2n). Градиент по весам равен Xᵀ(Xw − y)/n; коэффициент зависит от выбранной нормировки loss.
Читать ответДа, значение словаря по ключу можно заменить новым tuple или другим объектом. Неизменяемость tuple запрещает изменение его элементов, но не переназначение ссылки в словаре.
Читать ответНелинейность позволяет нейросети моделировать зависимости, которые нельзя выразить одной линейной функцией. Без активаций композиция линейных слоёв сводится к одному аффинному преобразованию.
Читать ответИспользуйте несколько уровней защиты: правила поведения, модерацию входа и выхода, безопасный отказ и ограничения инструментов. Один запрет в prompt не гарантирует устойчивость к провокациям.
Читать ответНачните с двух конкретных сценариев: поиск ответов по HR-документам и создание заявки. Согласуйте границы доступа, критерии успеха и действия, которые требуют подтверждения пользователя.
Читать ответReLU — функция активации f(x) = max(0, x). Она добавляет нелинейность и сохраняет ненулевой градиент на положительной области, помогая обучать глубокие сети.
Читать ответLayer Norm нормализует признаки внутри отдельного токена и не зависит от состава mini-batch. Это удобно для последовательностей разной длины и авторегрессивного декодирования с малым batch.
Читать ответ