题目重点：从未知问题到学习试验与迁移，回答学新技术及 GenAI 的行为追问。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 本文给回答训练框架，不编造候选人的个人经历、业务数字或面试官评分。
- 选本人能解释决策与执行细节的真实案例；训练例均为虚构情境，实际回答须换为可核验证据。
解题路线
- 起点从实际未知问题出发，说明为什么必须学和哪些已有技能不够。兴趣可以作动机，但需能展开理解过程。
- 列学习路径与自己的验证动作：小实验、读一手资料、复现结果、记录失败；教程数量和工具名单不是核心成果。
- 说明如何进入真实任务以及采用边界，尤其GenAI辅助代码要保留独立理解、测试与关键事实核查；不要把生成结果当完成证据。
- 把试验收益和新风险同时讲清，区分完成课程、理解原理、独立应用三个层次。没有上线也可讲复现/原型，但准确注明规模。
- 迁移总结：哪些旧经验被修正，什么内容还不懂，下一步验证什么；避免背新名词却无法解释失败原因。
手动走一遍
虚构训练例：为减少检索误答学习评测方法，先用少量问题复现指标盲点，再建立人工rubric；GenAI帮写初稿，候选人自己检查数据切分与反例。没有实际上线时只称原型。
规模与取舍
准备一版约2分钟主回答，保留约束、个人动作、反证与结果供追问；这是练习长度，不是题目规定。业务规模用本人实际用户量、周期和指标分母，不能套用训练数字。
易错点与追问
容易失分的边界
- 罗列课程名与技术名。
- 把AI代写结果当自身理解。
- 只讲成功，不说明方法如何验证。
继续深挖
- 你复现过什么反例？
- 不用这项新技术能不能达到目标？
- 你现在仍然不确定哪一部分？
