题目重点：依据 Research Scientist 面经明确的一轮近期研究 presentation，组织研究问题、方法、基线、消融、失败案例和个人贡献；Agent 话题仍标为方向。
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。
- 选择候选人自己的近期研究，公开/可披露的结果与限制；示例研究任务仅是训练情境。
- 听众可能含研究与工程角色，报告需要能同时回答科学有效性和部署/成本问题。
解题路线
- 开头用可检验问题和业务/科学动机定义任务，说明已有最强相关基线与其不足，而不是先列模型架构。
- 方法部分明确贡献：数据、模型、训练、评估、系统优化哪些是自己提出或实现的；比较时固定数据切分、算力预算和指标。
- 结果给主指标、置信范围、消融、负面案例与数据泄漏检查；说明何时不适用。遇 Agent 追问，先问是规划、工具使用、评估还是安全可靠性，不把泛话题当成预知的公司原题。
手动走一遍
训练模板：研究一个检索增强 Agent 的任务完成率。先列非 Agent 与简单检索基线，再比较工具错误率、延迟和成本，做检索/规划消融；真实报告只能用自己的研究数据。
规模与取舍
研究问答没有统一 Big-O；必须准备训练和推理资源、样本规模、复现实验成本，以及部署时延/价格限制。报告主线约 10–15 分钟可讲清，实际时长以邀请为准。
易错点与追问
容易失分的边界
- 只展示最好指标，不给强基线或置信范围。
- 团队研究全算作个人贡献。
- 省略失败案例和数据泄漏检查。
- 将帖中‘Agent 方向’编造成某道具体多轮 Agent 题。
继续深挖
- 性能提升主要来自数据还是方法？
- 若算力预算减半，哪项实验最关键？
- 部署后分布漂移怎样检测？
- 复现失败时先检查哪些条件？
