一面：1. 自我介绍2. 怎么理解大模型安全，包含哪些方面的内容？3. 从上面这些方面有哪些防护措施，有量化指标吗？4. 大模型训练有哪些步骤？5. 讲讲RLHF的具体过程？涉及几个模型？6. Transformer的结构？7. 知道哪些注意力机制？8. 现场手写自注意力机制公式9. llama是怎么优化注意力机制的计算的？（这个我真的不知道）10. 讲讲项目，有哪些跟大模型有关的？11. 实习过程中有哪些自己想到的创新点，效果如何？12. 你们是如何跟进最新的大模型技术？13. 讲讲你知道的大模型技术最新发展。14. 多模态了解吗？15. RAG的过程是什么样的？16. 有哪些让你印象深刻的大模型产品？17. 手撕代码：二叉树的层序遍历二面：1.算法题，删除倒数第n个节点2.Encoder-Decoder，Casual Decoder，Prefix Decoder的区别3.模型涌现现象的原因？4.LLM复读机现象的原因是什么？怎么解决？5.数据角度来看有什么问题？6.分布式训练有哪些技术？7.特定任务用预训练还是微调？8.RAG和微调的区别，优劣分别是什么？9.SFT导致的通用能力遗忘应该怎么解决？10.Function call怎么训练的？怎么微调的？11.Function call怎么组织文本的格式喂给模型？12.Function call怎么把下游的一些工具，插件变成模型可以理解的方式？13.百川，千问，LLAMA的Position Embedding是怎么做的？有什么区别？14.微调过哪些模型，微调占用的显存是多大？跟哪些因素有关系？15.LLAMA的输入可以是无限长吗？输入变长会有哪些变化？16.模型安全相关是怎么做的，有哪些注入的手段？17.反问环节二面的时候，Function call并不是很了解，所以回答得并不好，位置编码这个问题也没回答好（他想听旋转位置编码，但是我不清楚具体原理），面完五天回到人才库，跟hr打电话结果是部门反馈不再推进。总体来说美团确实问得很细，我毕竟是半路出家的，有些地方确实不太熟悉，但是被二面挂还是很难受

bg：2本 top2硕 tx一段大模型实习 学校研究方向及其抽象基本没面试官问 秋招主要投递大模型应用/NLP岗位简单总结下科大讯飞面试体验，流程推进极慢，每次推进基本都要两周左右，面试无手撕，算法困难户友好timeline：2024.8.11 科大讯飞-飞星计划 NLP 简历投递2024.8.22 科大讯飞-飞星计划 NLP 一面 1H左右面试问题：1. 自我介绍2. 拷打tx实习项目，大概用时20min3. 考察常见八股，常见结构的大模型代表（encoder-only、decoder-only、encoder-decoder）以及他们为什么是那些结构； ...

秋招第一oc，北斗没pk过大佬。接正式批了两周一面 面了快一个月了

组是负责处理字节内部事宜的工作，可以说是什么都干，监测票据、查找文本特殊信息、总结文件等等。拷打实习transformer 前馈神经网络的结构， 为什么会先提升维度后缩小维度multihead 如果改变head个数会影响参数量吗大模型是temperature先起作用还是top p如何解决幻觉，复读机问题如何处理局部最优点过拟合l1,l2区别，用法力扣1650  二叉树的最近公共祖先