以后想做机器学习，数据挖掘这方向的

oppo二面1自我介绍2本科有参加项目或者比赛吗？3展开讲解一下硕士学位论文。课题目前什么进度？现有算法缺陷是什么，用人工智能做是创新点吗，怎么想到的？需要做实物吗？这个研究是理论封存还是有实际的工程价值，有相关的项目背景吗？做项目或者科研，刚开始拿到项目时，有会给自己定更高的指标的情况吗？加工误差在实际过程中怎么解决的？4经历偏天线，从个人发展来说，你怎么看天线射频领域？5本科，硕士学习中有遇到让你挫败感的事情吗？6项目是个人做的吗，还是一个团队做的？7最近一年除了毕设，有对生活学习有什么规划吗？8有了解oppo的一些产品吗？oppo hr面1自我介绍2为什么应聘oppo，对oppo的了解。...

  腾讯-混元大模型面经-华5硕部门与岗位：TEG - 混元大模型团队 - 大模型对齐一面自我介绍，过实习，讲论文，论文过的比较细，有说的笼统的地方面试官会实时进行询问交流了解哪些大模型，简要挑一两个介绍一下，当时说了 Qwen 和 DeepSeek，然后面试官又问了这两个有什么区别接着上一问，为什么大家都开始探索 MoE 架构，MoE 相比 Dense 有什么好处在之前实习的时候用 LoRA 微调过 Qwen，于是问了有没有全量微调过，有没有对比过两者的性能表现讲一下大模型训练和推理的流程，SFT 和 RLHF 的作用分别是什么在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式代码：22. 括号生成代码：多头自注意力一面问的八股还是比较多的，问的也比较细，而且还写了两道代码题，整个面试花的时间也比较多，大概一个半小时左右二面自我介绍，过实习和论文，面试官会一起进行探讨，包括工作的动机、贡献和结果，也会提一些问题和建议之前实习用 DeepSpeed 微调过 Qwen2-72B，于是面试官问了 ZeRO-1，ZeRO-2，ZeRO-3 三个模式的区别当时你用 DeepSpeed ZeRO-3 来微调 Qwen2-72B，每一张卡占用的显存大概是多少，估算一下为什么是占这么多的显存除了 DeepSpeed，还用过其他的什么优化方法吗我看你也用到了 LoRA，知道 LoRA 的原理吗，A 和 B 两个矩阵怎么初始化，有了解过其他的初始化方法吗对 RLHF 了解的多吗代码：3. 无重复字符的最长子串二面更多的是结合具体的工作来问的，从用到的东西来引出问题，问的也比较灵活。当然因为部门主要是做对齐的，所以也大概聊了聊 RLHF三面自我介绍，挑一个觉得做的比较好的论文和实习讲一下，面试官问的比较详细，为什么选现在这种方案，为什么 work，其他方案有考虑吗在微调 Qwen 的时候，数据是怎么构造的，有用到什么数据清洗方法吗，数据配比是怎么做的讲一下 RLHF 的流程，之前有用 RLHF 做过模型对齐吗在做对齐的时候，为什么 SFT 之后还要做 RLHF，只用 SFT 可以吗知道哪些强化学习算法，除了 PPO 和 DPO 这些呢，DeepSeek 用的 GRPO 相比于 GPT 的 PPO 做了哪些改进开放题：对目前大模型的发展有什么看法代码：零钱的两个题 322. 零钱兑换518. 零钱兑换 II三面面试官更聚焦于对齐这一块的内容，考的比较深。由于之前没有接触过强化学习，答得还是比较吃力的，不过面试官还挺好的，会一起讨论来做引导四面自我介绍，过论文和实习，问的也比较细，这里能明显的感受出来面试官的视角更系统，会把这些工作串起来问我看你简历上没写 RLHF，平常有用过 RLHF 吗推导一下神经网络反向传播的过程一道排列组合的概率题开放题：你觉得大模型目前还有哪些可以改进的点四面整体更看重思维和基础，没有考察什么八股总结一共四轮技术面，整体来说强度比较大，对于大模型八股的考察比较细，对大模型的理解问的也比较深刻，包括一些数理逻辑基础，考察的比较全面需要内推码的可以用下面这个链接：内推链接：https://join.qq.com/resume.html?k=ANQI6RfQ3rhPS2dpyIkeSw#26届实习##大模型##八股##面经##腾讯##内推#

下面分享一些我在团子的经历与感受，希望可以给大家一些经验参考，关于实习与校招的问题如不牵扯到公司利益与隐私，知无不言。 整体感受：巨巨巨nice的实习体验！初入互联网强推来美团实习。 工作氛围：美团的企业文化在互联网公司里算比较温和的，注重对员工的培养而非筛选，同事关系很融洽，工作氛围真的很棒，入职第一天就遇到了超级超级好的mt和实习生搭子们，后面一直在外出差的leader回来后发现也是特别好相处的人，也成为了朋友。组里经常一起吃饭，工作之余也会周末约着一起出去玩，同事人都很好很nice。 工作强度：工作强度不低（早10晚8+，午休2h），但整体节奏通常可以适应，互联网基本上都是这...