华为 AI 训推实习一面：模型评估、Agent 架构与记忆
本场面试题
- 怎样评估训练出来的模型？
- Agent 的架构怎样组织？
- 记忆系统怎样设计？
面经与参考答法
华为 AI 训推实习一面：模型评估、Agent 架构与记忆
作者自述参加华为 ICTBG 云软件研发相关实习面试，标题所述方向为 AI Infra、AI 训推系统。原文记5月19日一面后紧接二面，没有注明年份；本页仅选一面的三组技术问题。
以下经历及部门信息未经独立核验。短答与例子由编辑补充，用于学习，不代表作者的现场作答或原项目实现。
（1）怎样评估训练出来的模型？
先按目标任务定义输入、输出和失败条件，使用未参与训练与调参的评测数据，在可比配置下与基线比较。质量指标应匹配任务，并结合困难与风险切片、人工复核、延迟和成本；记录模型、数据、提示及工具版本。训练损失下降不能单独证明业务效果改善。
教学示例（非原面试实现）：若目标是提取工单字段，可分别检查字段正确性、输出结构和关键事实遗漏；不能只因训练集上的分数提高，就宣称未见工单也获得同样提升。
（2）Agent 的架构怎样组织？
模型与指令负责理解和提出决策，显式状态与记忆保存必要信息，受控工具连接外部环境，执行器串起观察、决策、行动和校验。权限、预算、超时与停止条件由应用落实；是否完成还要按业务结果验收，模型自报完成不能替代结果检查。
教学示例（非原面试实现）：查询助手先通过获授权的工具读取记录，再检查结果是否完整、是否属于当前用户；证据不足则澄清或停止，不因模型提出了某个工具名就直接执行。
（3）记忆系统怎样设计？
区分当前模型工作集、可恢复运行状态和跨会话长期事实。长期记录保留主体、来源、有效期与版本；写入检查用途、质量和冲突，检索先做权限与有效期过滤，再按任务相关性选择少量内容。更新与删除要传播到相关索引，向量库只是可选检索组件。
教学示例（非原面试实现）：“本次使用英文”可只作用于当前会话，长期偏好需要另行确认；用户纠正旧事实后，应更新有效版本并避免继续召回已失效的记录。
原文另记训练参数、QLoRA、GPU 等话题，并仅列出 ReAct、CoT 等关键词，未披露完整问法与回答，本页不扩写成追问。未说明的训练配置、评测成绩和实际记忆实现均保持未知。