各公司面试偏好：按公司备战的高频题速查

准备目标公司面试时，可以先看该公司在当前题库里覆盖了哪些维度，再回到具体题目练习机制、失败模式和方案取舍。以下统计更新于 2026-10-22，从当前 844 道题的来源标注派生。

统计口径

每家公司对同一道核心题最多计一次；同一题被多家公司问到时，可以分别出现在各公司的覆盖数中，因此各行不能相加当作题库总数。统计只识别来源标签中的公司名称或下述别名，不根据答案内容、URL 或相似岗位推断公司；没有明确公司标签的来源不归类。

字节口径包含抖音、TikTok；蚂蚁包含 CodeFuse；腾讯包含明确的 WXG、TEG、CSIG 标签。阿里与淘天、阿里国际、淘宝闪购分别统计；来源过于笼统时保留其原标注，不强行分配业务线。

这些数字表示当前题库的样本覆盖，不代表某公司的全部题目、招聘偏好或实际出题概率。岗位、团队和轮次不同，考察重点也会变化；优先结合自己投递岗位的要求使用。

公司与维度覆盖

公司	覆盖题数	来源标注最多的三个维度
字节跳动	333	训练、数据与模型优化（47）、RAG 与检索系统（44）、工程化踩坑（33）
阿里与淘天（不含国际、闪购）	186	训练、数据与模型优化（31）、RAG 与检索系统（28）、记忆与上下文（21）
腾讯	120	训练、数据与模型优化（20）、RAG 与检索系统（18）、评估与全局观（14）
小红书	116	训练、数据与模型优化（18）、工程化踩坑（16）、记忆与上下文（12）
美团	103	RAG 与检索系统（12）、架构选型（9）、记忆与上下文（9）
百度	99	工程化踩坑（11）、训练、数据与模型优化（11）、工具管理（9）
快手	95	工程化踩坑（13）、架构选型（8）、RAG 与检索系统（8）
蚂蚁集团	63	架构选型（9）、评估与全局观（7）、概念考察（7）
拼多多	56	AI Infra（9）、记忆与上下文（7）、训练、数据与模型优化（7）
携程	47	记忆与上下文（9）、RAG 与检索系统（9）、评估与全局观（6）
淘宝闪购	26	简历项目拷打（14）、容错与鲁棒性（3）、架构选型（2）
阿里国际	22	训练、数据与模型优化（5）、架构选型（3）、AI Infra（3）
网易	19	业务 AI 工程分析（5）、AI 代码分析与测试（3）、记忆与上下文（2）
高德	9	记忆与上下文（3）、RAG 与检索系统（3）、工具管理（2）
京东	7	RAG 与检索系统（2）、容错与鲁棒性（1）、记忆与上下文（1）
bilibili	4	架构选型（1）、工程化踩坑（1）、RAG 与检索系统（1）

按公司选择练习入口

字节跳动（333 题）

可先练：训练、数据与模型优化、RAG 与检索系统、工程化踩坑。

代表性问题：

• 预训练数据清洗方法？
• RAG 的检索如何实现？
• 如何评审 AI 生成的技术方案并进行重点提炼与技术取舍？

阿里与淘天（不含国际、闪购）（186 题）

可先练：训练、数据与模型优化、RAG 与检索系统、记忆与上下文。

代表性问题：

• 预训练数据清洗方法？
• RAG 的检索如何实现？
• 上下文窗口不够用，对话太长了怎么办？

腾讯（120 题）

可先练：训练、数据与模型优化、RAG 与检索系统、评估与全局观。

代表性问题：

• 构造数据集遇到过什么难点，怎么解决？
• 如果 RAG 召回了很多相互矛盾的文档，Agent 应该怎么处理，而不是直接让模型自己总结？
• 如何量化评估一个上线的 Agent 好坏？除了准确率。

小红书（116 题）

可先练：训练、数据与模型优化、工程化踩坑、记忆与上下文。

代表性问题：

• 自动标注系统的主要难点是什么？如何设计模型预标注、置信度分流和人工复核闭环？
• Agent 的成本怎么控制？线上烧钱太快怎么办？
• 上下文窗口不够用，对话太长了怎么办？

美团（103 题）

可先练：RAG 与检索系统、架构选型、记忆与上下文。

代表性问题：

• 多维度的查询改写是什么？改写遇到需要用户补充信息时怎么设计？
• 你用 ReAct 还是 Plan-and-Execute？为什么？
• 讲一下 Agent 中的“长短期记忆”

百度（99 题）

可先练：工程化踩坑、训练、数据与模型优化、工具管理。

代表性问题：

• Agent 的成本怎么控制？线上烧钱太快怎么办？
• 自动标注系统的主要难点是什么？如何设计模型预标注、置信度分流和人工复核闭环？
• 你们工具库有上百个工具，怎么让模型快速选对？

快手（95 题）

可先练：工程化踩坑、架构选型、RAG 与检索系统。

代表性问题：

• Agent 的成本怎么控制？线上烧钱太快怎么办？
• 你用 ReAct 还是 Plan-and-Execute？为什么？
• 为什么在检索阶段引入BM25？它和向量检索怎样组合？

蚂蚁集团（63 题）

可先练：架构选型、评估与全局观、概念考察。

代表性问题：

• 你用 ReAct 还是 Plan-and-Execute？为什么？
• 你会怎么给 Agent 建立评测体系？只看最终成功率为什么不够？
• 讲一讲 Agent 的发展路线——从以前的架构到现在的 Harness Engineering

拼多多（56 题）

可先练：AI Infra、记忆与上下文、训练、数据与模型优化。

代表性问题：

• 如何用 Roofline 和算术强度指导 CUDA 算子优化？从 GEMM 分块到寄存器压力如何逐层定位？
• 上下文窗口不够用，对话太长了怎么办？
• 位置编码的作用是什么？

携程（47 题）

可先练：记忆与上下文、RAG 与检索系统、评估与全局观。

代表性问题：

• 讲一下 Agent 中的“长短期记忆”
• RAG 的检索如何实现？
• 你会怎么给 Agent 建立评测体系？只看最终成功率为什么不够？

淘宝闪购（26 题）

可先练：简历项目拷打、容错与鲁棒性、架构选型。

代表性问题：

• 你的 Agent 项目用了什么框架？为什么选它？
• Agent 如何减少幻觉？在工业场景下怎么做？
• 了解过 Agent 的设计范式吗？

阿里国际（22 题）

可先练：训练、数据与模型优化、架构选型、AI Infra。

代表性问题：

• DPO、PPO、GRPO 的区别和优缺点？
• 如果模型特别擅长生成，但不擅长严格遵守流程，你会怎么把它放进一个强约束工作流里？
• FlashAttention 为什么更快？Online Softmax、Tiling、重计算和不同版本分别解决什么瓶颈？

网易（19 题）

可先练：业务 AI 工程分析、AI 代码分析与测试、记忆与上下文。

代表性问题：

• 时间紧张，“快速上线规则方案”和“训练一个更智能的 AI 方案”之间怎么选？
• AI 生成的代码线下测试没问题，上线后出了问题怎么办？
• 讲一下 Agent 中的“长短期记忆”

高德（9 题）

可先练：记忆与上下文、RAG 与检索系统、工具管理。

代表性问题：

• 会话记忆具体是怎么实现的？滑动窗口设几轮？摘要压缩怎么触发？
• 分块策略怎么设计？不同策略的优缺点？
• MCP 协议的完整调用过程是怎样的？

京东（7 题）

可先练：RAG 与检索系统、容错与鲁棒性、记忆与上下文。

代表性问题：

• 讲一下项目里召回的流程
• 金融系统不能让 Agent 真实操作（钱放出去就是大问题），怎么设计？
• 你的向量记忆库是如何更新用户画像的？

bilibili（4 题）

可先练：架构选型、工程化踩坑、RAG 与检索系统。

代表性问题：

• 如果设计一个科研辅助 Agent，整体流程应该怎么设计？
• 使用 LangGraph 开发 Agent，遇到最大的困难是什么？
• Deep Research 在代码层面是怎么实现的？和普通 RAG 有什么区别？

怎么用这张表

先用岗位要求确定能力范围，再选择上表中对应公司的练习入口。对每道代表题，依次练习技术机制、业务约束、失败恢复、验证方法和成本权衡；遇到简历项目追问时，用真实经历解释自己的选择。

表中的前三维只是样本量较多的入口，不能据此跳过其他基础能力。题目的具体来源和追问请查看对应维度正文；同一主题组的阅读顺序按可归因面经频次维护。