科大讯飞大模型飞星计划秋招一面

岗位：大模型算法工程师
面试 timeline：7.22
面试时长：40min
面试问题：
1. 讲业务背景
2. 知识图谱如何构造的？
3. 如何衡量质量？
4. RL的原理？
手撕算法：无
面试感觉：不知道是我简历太唐了还是我讲的太唐了还是面试官太唐了，面试官全程皱眉听我讲，我努力的想让她听懂，结果变成两个人都全程皱眉。总之，面的很尴尬

知识图谱的构建、质量评估以及强化学习（RL）的原理都是人工智能领域的核心知识点。下面我将为你系统地梳理这些内容，并提供清晰的解释。

📊 知识图谱的构造

知识图谱的构建是一个系统性的工程，它将多源异构数据转化为结构化的语义网络，通常以“实体-关系-实体”或“实体-属性-值”的三元组形式存储。其核心构建流程和关键技术如下：

​核心思想​：知识图谱构建的核心在于将多源异构数据转化为结构化的语义网络，并通过知识融合与推理确保其质量与完整性。

📈 知识图谱的质量衡量

评估一个知识图谱的质量需要从多个维度进行综合考量：

​评估方法​：

• ​自动评估​：使用规则检查、统计模型和嵌入质量评估（如链接预测任务）。

• ​人工评估​：依赖领域专家评审或众包平台进行主观判断和验证，这是保证准确性的重要环节。

🤖 强化学习（RL）的原理

强化学习是机器学习的一个重要分支，其核心是智能体（Agent）通过与环境（Environment）持续交互，根据获得的奖励（Reward）信号学习最优策略（Policy）​，以最大化长期累积回报（Return）。

​RL的核心概念与原理：​​

​基本原理与过程：​​

强化学习的基本原理是：如果智能体的某个行为策略导致环境给予正的奖励（强化信号），那么智能体未来采取该行为策略的趋势便会加强。其学习过程可概括为一个循环：​智能体感知当前状态 → 根据策略选择动作 → 环境转换到新状态并给出奖励 → 智能体根据奖励更新策略。如此反复，最终学会最大化累积奖励的最优策略。

​常用算法：​​

• ​Q-learning​：一种无模型（Model-free）​​ 的离线策略（Off-policy）​​ 算法，通过迭代更新Q值表（状态-动作值函数）来学习最优策略。是深度学习与RL结合前的经典算法。

• ​深度Q网络（DQN）​​：将Q-learning与深度学习结合，用神经网络近似Q值函数，解决了状态空间过大或连续的问题。

• ​策略梯度（Policy Gradient）​​：一种直接优化策略本身的方法，适用于动作空间连续或高维的情况。

​主要应用​：强化学习广泛应用于需要序列决策的领域，如游戏AI（AlphaGo）、机器人控制、自动驾驶、资源管理和推荐系统等。

希望以上梳理能帮助你更好地理解这些技术。如果你对某个细节特别感兴趣，我们可以继续深入探讨。