面试准备 · NAB 墨尔本 · AI Scientist

备考包

五个页面，一个目标：走进面试间，能从容回答关于评估、护栏、记忆、编排与意图识别的任何问题 —— 讲得了架构层，落得到实现层，而且每一句论断背后都有一个真实项目撑着。

五个页面

第一次读，请按这个顺序。之后就直接跳到你刚才没能说出口的那个问题所对应的页面。

核心备考

记忆 · 评估 · 护栏，每个主题分三层

全套备考的主干。三个主题各回答三遍：L1 架构层（面对一屋子管理者时怎么讲）、L2 实现层（真要动手会怎么做）、L3 本项目实践（你在 Mines Financial 里具体做了什么）。如果只来得及看一页，就看这一页。

1 · 记忆 — 智能体该记住什么、记在哪里、怎么过期
2 · 评估 — 离线测评框架、评判器、线上实验、漂移
3 · 护栏 — 分层的运行时控制、有据性（groundedness）、审计留痕
值得背下来的数字 + 术语表

打开 →

适用场景任何开放式的「说说你会怎么做……」类问题

阅读时长约 45 分钟，信息密度高

深度管理者视角 → 资深视角 → 动手落地

STAR 案例

来自 Mines Financial 的设计决策，以 STAR 形式呈现

这是证据。01 页上的每一条架构论断，都需要一个带情境、任务、行动和可量化结果的故事来支撑 —— 这正是 STAR 的含义，也是行为面试的评分方式。本项目中的十六个真实决策，每个都写成能在九十秒内讲完的样子，包括那些做砸了的。

1 · 评估 — 测评框架、模拟运行与真实运行、BM25 分词器实验
2 · 护栏 — 有据性（groundedness）门控、表格单位、污染问题
3 · 记忆 和 4 · 检索、入库、编排
最薄弱的地方，提前准备好 — 那些你宁愿不被问到的问题

打开 →

适用场景「讲一次你……的经历」以及随后的每一轮追问

阅读时长约 40 分钟

深度具体，带数字

评估与护栏

职位描述中着墨最重的两个主题，以问答（Q&A）形式呈现

针对 NAB 招聘启事里几乎每一行都会出现的两个主题做专项训练。二十五个问题，从「你会如何为整个 AI 部门制定评估策略」一路问到「什么是黄金数据集」—— 每一题都先讲问题，再讲直觉做法为什么不行，最后讲真正的方法，而这也正是在面试间里讲话的好顺序。

JD 对照表 — 每一条 JD 描述，对应他们可能在探什么
评估 Q1–14 · 护栏 Q15–25
唯一需要记住的那张表 — 评估与护栏，逐项对照
快问快答式追问 附参考答案

打开 →

适用场景临考复习；30 秒的总结式答案

阅读时长约 25 分钟

深度管理者视角 → 资深视角 → 入门视角

核心概念

记忆、上下文管理、编排 —— 以及它们的分界在哪里

从零讲起的基础。这三个词经常被混着用，但它们并不是一回事；能把边界划清楚，本身就是资深的信号。先讲概念，再讲每一个在本项目里具体怎么落地，最后把一次请求从头到尾走一遍。

区分这三者 — 边界问题
1 · 记忆系统 — 四种类型，以及你实际构建了哪几种
2 · 上下文管理 — 五项职责，每次调用的上下文预算
3 · 编排 + 一次请求，从头到尾

打开 →

适用场景定义类问题；白板讲解

阅读时长约 30 分钟

深度从零讲起，不预设任何背景知识

意图识别

两个子页面：先讲学问，再看代码

从「听懂请求」到「动手去做」之间的那个铰链 —— 也是唯一一个「理解错了」会变成「做错了事」而不只是「答错了话」的地方。单独成节，因为它有两半，而且需要按顺序读：先是意图识别这门学问本身怎么设计、怎么衡量，再是它在本项目里究竟怎么落地的，包括缺口。

1 · 概念本身 — 意图怎么设计、粒度怎么定、三种实现方式、未知与歧义、多意图即任务规划
1 · 怎么衡量 — 准确率为什么会骗人、混淆矩阵、四层评估、错误动作率
2 · 在本项目中 — 用四个标志位代替一个标签、正则抽槽位、澄清中断、带上限的重试
2 · 主动认领的弱点 — 路由没有置信度、澄清循环没有计数器、评估有一半在考自己

打开 →

适用场景「你的智能体是怎么决定要做什么的？」

阅读时长两页合计约 35 分钟

深度概念 → 实现 → 缺口

评估深入

十二个概念，四组各三个

把评估单独拆开讲，从零讲起。分成四组各三个，这个结构本身就是为了面试时好回忆。每个概念都配：白话解释加一个 NAB 场景例子、缺了它会出什么事的具体后果、以及一段六行的 STAR（含要背的要点和它对应的原始面试问题）。

A · 测什么 —— 黄金测试集、组件级与端到端、每一阶段的指标
B · 怎么测 —— 确定性检查与模型评判、评判者本身的校验、评分量表
C · 何时测 —— 离线评估、CI 分层、影子 / 灰度 / A-B
D · 凭什么相信结果 —— 方差、样本量、漂移与基线

打开 →

用途任何「你怎么知道它有效」类问题

阅读时间约 50 分钟

深度每个概念：概念 → 失效 → STAR

护栏深入

四道边界，每道三个控制点

把护栏单独拆开讲，按请求经过的边界来组织，而不是按技术手段分类 —— 既好记，也更接近你在设计评审上真正要辩护的顺序。每个概念同样是三段式，其中「持牌投顾边界」和「智能体动作缺口」这两点是专门针对银行场景点出来的。

A · 输入边界 —— 范围与投顾边界、歧义处理、不可信输入与个人信息
B · 证据边界 —— 相关性过滤、覆盖度检查、来源可追溯
C · 生成边界 —— 接地性检查、断言分类、有界重试
D · 输出与运行时 —— 确定性兜底闸门、失败方向选择、可审计性

打开 →

用途「你怎么保证它安全」、负责任 AI 类问题

阅读时间约 55 分钟

深度每个概念：概念 → 失效 → STAR

他们问这个，你就翻那页

面试前一晚，在脑子里过一遍的对照表。

问题	页面	该拿出什么
「你会怎么评估一个智能体？」	03 然后 01	端到端评分与轨迹评分之别；然后拿你自己的测评框架作证据
「在银行里，你怎么保证大模型的安全？」	03	纵深防御：输入、动作、输出、人工监督四层
「讲一次艰难的技术取舍。」	02	任选一条 STAR 案例 —— 开口先说可量化的结果
「上下文和记忆有什么区别？」	04	边界那一节；把它画出来，别光靠嘴说
「带我过一遍你的架构。」	04 然后 02	一次请求从头到尾，然后是背后的那些决策
「你怎么知道它真的变好了？」	03	置信区间、配对比较，以及为什么跑一次什么都说明不了
「出过什么问题，你又做了什么？」	02	最薄弱的地方，提前准备好 —— 在他们发现之前先自己说出来
「智能体是怎么决定要做什么的？」	05	用四个标志位而不是一个标签 —— 以及这为什么让多意图变成白送的
「如果用户的请求有歧义呢？」	05	置信度加上澄清策略；在本项目里，是一次真正的图中断

把一切串起来的那条主线 NAB 是受监管的银行：APRA 制定审慎监管要求，ASIC 管理行为合规。所以每个回答落到风险的终点时才最有分量 —— 信任、可审计性，以及一次失误传到客户面前的代价。先讲技术，再补上那句能显示你知道最终由谁签字负责的话。

怎么用这套备考包

读过不等于准备好。这些页面是写来让你说出口的。

四轮，按顺序来

第一轮 —— 读。 一口气读完，顺序是 04 → 01 → 03 → 02。别做笔记；没记住的部分你自然会回头再读。
第二轮 —— 说。 遮住答案，只看问题，在九十秒内把答案大声讲出来。凡是说不出口的，就是你还没掌握的。
第三轮 —— 数字。 把 02 页上那些可量化的结果，和 01 页「值得背下来的数字」那一块背下来。在技术面试里，具体数字是最强的可信度信号，没有之一。
第四轮 —— 面试前一晚。 只看上面的对照表、03 页那张对比表，以及 30 秒的总结式答案。不看任何新东西。

每个答案都是同一个结构 存在什么问题 → 显而易见的做法为什么不行 → 你实际怎么做 → 你怎么知道它奏效了。把它用在嘴上。这会让你听起来像个真把东西做出来过的人，而不是只在书上读过的人。