小微互联网企业AI产品经理一面

1、tranformer的原理?

2、有哪些激活函数?损失函数?

3、RAG有了解么?

4、RAG具体是怎么做的?

5、对AI产品经理的理解、哪个步骤你认为是最重要的。

6、对于产品经理所要具备的能力

7、你为什么要转AI产品经理

8、你觉得相对于那么多候选人,你的优势是什么?

9、你的学习能力体现在哪?

10、你通过什么渠道进行学习的,是怎么准备ai产品经理的?

11、AI agent你是怎么搭建的?

12、你用过原型软件么?

13、可以看看成果么?

14、你画过产品的流程图么?

15、你到岗后会有各项工作、很繁琐、一个人对接一个项目、你怎么面对这些工作、处理工作呢?

16、扣子平台有用过么?有什么心得?

17、你在b站看的那些视频进行学习的?

18、余弦相似度是什么?

19、chatgpt中的transformer和transformer结构有什么区别?

AI产品经理实习 文章被收录于专栏

勇闯实习的面试经历

全部评论
哪家产品经理问这么细啊?
4 回复 分享
发布于 2024-10-30 17:15 北京
我真的怀疑我们面过同一家,一模一样的问题
点赞 回复 分享
发布于 2024-10-31 19:46 江苏
这么难
点赞 回复 分享
发布于 2024-11-03 11:03 北京
这招的是全栈产品经理吧,一进去又让你画原型又让你自己开发的
点赞 回复 分享
发布于 2024-11-04 11:21 湖北

相关推荐

1. 感知模块(Perception)- 功能:通过传感器、API、文本/语音输入等方式,从环境或用户处获取原始数据。- 关键技术:多模态数据处理(文本、语音、图像)、信号降噪、数据标准化。- 产品视角:需平衡数据采集效率与用户隐私(如明确告知数据用途)。2. 认知与决策模块(Cognition & Decision-Making)- 理解层:自然语言处理(NLP)、计算机视觉(CV)解析输入内容。- 知识库:存储长期记忆(领域知识库、用户画像)和短期记忆(会话上下文)。- 推理与决策:基于规则引擎、机器学习模型(如强化学习)或规划算法生成行动策略。- 产品视角:需关注决策透明性(如可解释性AI)与伦理风险(如避免偏见)。3. 执行模块(Action)- 功能:将决策转化为具体行动,如控制硬件、调用API、生成回复。- 关键技术:动作序列编排、与外部系统集成(如IoT设备)。- 产品视角:需设计容错机制(如执行失败后的回退策略)。4. 学习与优化模块(Learning & Adaptation)- 持续学习:通过用户反馈、在线学习(Online Learning)更新模型。- 自适应机制:动态调整策略(如对话系统根据用户情绪改变语气)。- 产品视角:需平衡模型迭代速度与稳定性(如A/B测试验证新策略)。5. 交互模块(Interaction)- 多模态交互:支持语音、GUI、手势等交互方式。- 对话管理:维护上下文、处理多轮对话跳转(如电商客服的订单追踪)。- 产品视角:注重用户体验设计(如减少交互摩擦、提供情感化反馈)。6. 系统与安全模块(System & Safety)- 资源协调:多任务调度、计算资源分配(如边缘计算优化)。- 安全合规:数据加密、偏见检测、异常行为监控(如自动驾驶的紧急制动)。- 产品视角:需符合行业法规(如GDPR)并建立用户信任。7. 评估与反馈闭环(Evaluation & Feedback Loop) #Ai产品经理#  #AI#  #产品经理#  #产品#  #聊聊我眼中的AI#  #我是XXX,请攻击我最薄弱的地方#  #牛客创作赏金赛#  #牛客激励计划# #牛客AI配图神器#
点赞 评论 收藏
分享
03-21 12:17
已编辑
哈尔滨工业大学 产品经理
Agent(智能体)与LLM(大语言模型)的区别与联系1. Agent的定义Agent(智能体)是一种能够自主感知环境、制定目标、规划行动并执行任务的实体。它通常由多个模块组成,包括:1️⃣感知模块:接收输入(如文本、传感器数据)。2️⃣决策模块:基于目标或规则制定策略(可能依赖LLM或其他模型)。3️⃣记忆模块:存储历史信息或知识。4️⃣执行模块:调用工具或API完成任务(如搜索、计算、控制设备)。Agent的应用场景广泛,例如自动驾驶、智能客服、自动化流程等,强调主动性、持续性和环境交互能力。2. LLM的定义LLM(大语言模型)是一种基于海量文本训练的自然语言处理模型,核心能力是理解和生成文本。例如,GPT-4、Claude等模型擅长文本生成、问答、翻译等任务,但本质上是一个“静态”模型:被动响应:需用户输入触发,无法自主行动。1️⃣无记忆性:默认不保留上下文(需通过技术手段实现)。2️⃣无工具调用能力:需依赖外部系统扩展功能。3. 核心区别1️⃣自主性Agent能主动规划任务并调用工具(如API、搜索引擎),持续与环境交互。LLM仅被动响应用户输入,无法独立决策或执行动作。2️⃣功能范围不同:Agent是多模块系统,整合记忆、推理、工具调用等功能,适用于复杂任务链(如自动化流程)。LLM仅处理文本输入输出,需依赖外部系统扩展功能(如通过插件调用工具)。3️⃣架构与复杂性:Agent是系统级架构,包含感知、决策、执行等组件,需管理动态任务流程。LLM是单一模型,仅作为Agent的“语言处理模块”存在。4. 联系与协作1️⃣LLM可作为Agent的“大脑”:Agent常利用LLM处理自然语言理解、生成和简单推理,例如分析用户意图或生成回复。2️⃣Agent扩展LLM的能力:通过整合记忆、工具调用等模块,Agent使LLM突破纯文本交互的限制,例如AutoGPT调用搜索引擎或API完成任务。总结来说:Agent是“行动者”:具备自主性和系统性,能独立完成复杂任务。LLM是“语言专家”:专注文本处理,需依赖外部系统实现功能扩展。#牛客AI配图神器#  #面试#  #产品经理#  #Ai产品经理#  #牛客激励计划#
点赞 评论 收藏
分享
评论
5
23
分享

创作者周榜

更多
正在热议
更多
牛客网
牛客企业服务