一面线上（12.31）hr+技术自我介绍对公司和岗位的认识家庭情况 校园经历期望薪资拷打项目lora微调bert模型的理解反问业务方向，数据量几轮面试通过之后马上笔试 然后发二面二面线下（1.4）技术主管面试自我介绍对公司背景的了解拷打项目对cnn的理解卷积核和池化层的作用rgb三通道什么时候融合最熟悉的网络并讲一下核心框架transfomer的结构自注意力公式论文发表的情况手里有什么offer反问成都这边的主流业务总结：流程推动快，体验感非常不错的一次面试

基础考察 1. 手撕：二叉树层序遍历+按层打印（要求输出二维数组）2. Transformer和RNN在对话任务中的本质区别？为什么现在大模型都用Transformer3. 多轮对话中如何防止上下文遗忘？除了窗口截断还有其他方案吗4. 工具调用中如何设计参数校验？遇到用户说"随便来家店"怎么处理项目深挖1. 你简历里写的订餐助手，具体怎么理解用户说的"附近好吃的"？2. 多工具调度时如果餐厅查询失败，降级方案是什么？3. 如何判断用户是想点外卖还是到店消费？准确率有多少？4. 订单状态跟踪模块是怎么做的？更新延迟怎么解决？场景设计"现在要设计一个咖啡订购Agent需要处理门店查询、优惠计算、订单创建三个工具但是用户经常同时要查多家店对比请设计完整的调用链路和异常处理方案

1、Attention本质是什么？从向量空间变换角度解释2、多轮对话中Attention如何导致历史信息衰减？3、SFT数据清洗的具体流程？遇到低质量数据怎么处理4、RAG的chunk优化策略有哪些？怎么评估检索相关性5、DPO训练中的梯度爆炸问题如何解决？简历项目深挖：1、多工具调度模块如何解决冲突检测？2、工具调用超时后的降级方案设计3、自主构建的评估数据集规模？bad case分析维度4、微调Qwen时如何设计learning rate scheduler5、Prompt优化模块的A/B测试方案

三、核心技术场景考察及候选人表现（一）考察场景高并发秒杀场景：1 万人同时抢购 100 个库存的商品，要求保证用户体验、系统稳定性与扩展性（二）候选人方案及面试官质疑候选人核心方案：前端先获取 token（通过 Lua 脚本实现锁机制），再凭 token 下单；后续考虑通过 MQ 异步处理、库存分片等方式优化面试官核心质疑点超卖与少卖风险：Lua 脚本仅解决锁竞争问题，下单环节的复杂逻辑（风控等）可能导致下单失败，已分发 token 会造成少卖；锁机制无法完全避免超卖系统扩展性不足：面对 1000 万人抢 1 万个商品的场景，数据库难以承载高并发读写，token 机制与数据库扛压能力不匹配异步...

一面 30min自我介绍，项目拷打无codingbase倾向二面 30min自我介绍 实习经历为什么不继续上一段实习手撕队列hr为什么选择这个专业上一段实习收获

📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.项目baseline和最终效果2.你认为什么操作对准确率提升的贡献最大3.介绍reward fuction4.思维链怎么做的5.冷启动用了多少数据、数据分布怎么样6.为什么要用大模型做反思模块，不能用规则做吗7.Agent中的planner模块具体怎么做的8.用户不按照预期的输入使用怎么办？query改写怎么做9.Agent和workflow的区别10.图生图模型的微调数据是怎么构建的11.Hard case怎么构建12.全模态中的推理捷径是什么意思13.你的这个科研项目希望解决的具体业务问题是什么

1.项目拷打为主2.中英文自我介绍3.Sft用了什么方法，如何判断sft效果已经达标了4.从loss上观察是什么样的5.调参是怎么调的，有什么依据6.Lora有哪些参数可以调7.数据标注是怎么标的8.模型输入输出是什么，评价指标是什么9.AIGC项目中的反思模块怎么做的10.全模态的意图识别怎么做的11.涉及到的计算资源规模大概有多少12.全流程耗时指标13.Python元组和列表的区别和相同点14.列表、元组是否可变15.多线程和多进程16.深拷贝和浅拷贝区别17.了解哪些模型的量化方法和加速方法18.编程中常见的设计模式有哪些19.编程题1：把第二个数组合并到第一个数组，使之有序（第一个数组已在后面添加足量的0，需要原地修改第一个数组）20.编程题2：找到一个数组中第n大的数

1.项目相关问题提问2.双塔模型负样本的选择，batch内采样和全局采样区别，分别用什么损失函数3 InfoNCE和sampled softmax的区别4.w2v和itemcf区别，w2v的热门效应怎么解决5.有没有了解业界现在非i2i非双塔的范式6.rqvae的码本塌陷怎么解决7.rqvae的loss说一下8.为什么tiger用的encoder-decoder而不是decoder-only9.tiger用encoder-decoder生成的过程怎么描述10.如果要做长序列端到端生成，但sim二阶段建模割裂，怎么办(答了eta)11.除了eta还有什么(说了一下twin模型的思路)12.din的时间复杂度13.手撕给思路:给一个多叉树，树每个节点代表一个人。现在要从树中选择一部分人参加聚会，现在要求某个节点参加聚会则其上层(父节点)和直接下层(所有子节点)都不能参加聚会，求最大参与人数

1.数值型特征处理方式有哪些2.介绍一下CGC,PLE和MMoE的区别3.多任务loss平衡方式4.AUC为什么可以判别排序任务5.双塔召回的改进有哪些6.介绍-下sampled softmax7.tiger和hstu走什么路线实现生成式推荐8.hstu怎么构建长序列9.rqvae的loss，塌陷问题等10.rqvae一开始不是应用于推荐领域，在推荐领域他想解决什么样的问题，可以从离散化的角度说吗11.为什么rqvae没有像vae一样对分布进行重建而是采用残差量化的方式还原数据12.手撕二叉树最大路径和

一、算法手撕+八股1. 手撕旋转矩阵优化 要求时间复杂度O(n²)空间O(1)2. LayerNorm和BatchNorm在训练时梯度计算有何本质区别？3. 推导MoE架构的负载均衡损失函数 如何避免专家坍缩4. 多模态融合中 对比学习损失和重构损失如何加权？5. 解释KV Cache的内存瓶颈 推导多头注意力计算复杂度二、项目深挖1. 微调Qwen时发现验证集loss震荡的可能原因2. 多工具调用中如何用DAG实现并行调度优化3. 长文本推理的压缩方案 对比Sliding Window和NTK4. 模型量化时遇到激活值异常溢出如何调试5. 自主构建的评估体系里 如何分离知识幻觉与推理幻觉三、场景设计为智能客服设计多轮对话系统：1. 如何用思维链提升工单分类准确率？2. 设计工具调用降级方案应对高并发场景3. 在有限算力下平衡响应速度与推理深度4. 构建用户意图漂移的实时检测机制

一、算法与基础1. 手撕Transformer decoder层代码，要求实现mask机制2. 预训练时为什么要用Masked LM而不是直接预测下一个token？3. 大模型量化中，INT4和FP16的精度损失主要差在哪些场景？怎么弥补？4. 讲一下MoE结构的原理，为什么能在增加参数量的同时控制计算成本？二、项目深挖1. 你做的大模型压缩项目，为什么选择知识蒸馏而不是量化？2. 训练时遇到过loss震荡吗？怎么定位是数据问题还是模型问题？3. 你们的模型部署延迟要求是多少？用了哪些优化手段？4. 如何评估一个生成模型的创造性？有哪些量化指标？三、业务场景题如果让你设计一个垂直领域小模型，数据量有限但要求推理快，完整流程会怎么设计？

1. 项目继续深挖依然是实习项目，可能会延伸到方案对比、难点、优化空间等。2. 大模型应用与方法1.对一份数据做分类/识别/检测，用大模型有哪些方法？2.如何评估AIGC生成的文本？3.大模型“幻觉”如何缓解？真实性如何评估？4.RAG过程中索引可以做哪些优化？3. 模型训练与优化1.KL散度表示什么？2.反思机制是怎么做的？为什么用反思？3.PPO中KL散度的作用？4. 手撕代码实现KMeans实现一个简单的MLP，从CSV读取数据

1. 简历深挖围绕实习项目展开，问得很细，建议把自己做的每个模块的逻辑、贡献、思考都理清楚。2. 理论基础1.KL散度和交叉熵的关系？2.介绍LoRA，和全参SFT怎么选？小模型SFT vs 大模型LoRA效果可能如何？SFT数据集怎么构建？3.介绍AUC，它表达的是什么？4.Recall重要的场景下，如果recall很高但precision很低怎么办？5.Precision和Recall分别是什么？不同场景下如何权衡？哪个更重要？3. 手撕代码实现 shuffle 函数（注意洗牌算法的公平性和复杂度）

1️⃣ 简单介绍一下你的实习经历吧？2️⃣ LoRA的原理是什么，你是怎么理解的？3️⃣ 你了解DeepSpeed吗？能说说ZeRO-1、ZeRO-2和ZeRO-3分别做了哪些优化吗？4️⃣ Qwen的模型结构是怎么样的？和LLaMA、DeepSeek的主要区别在哪里？5️⃣ 在实际应用中，你会怎么缓解大模型的幻觉问题？6️⃣ 大模型的MoE结构相比于Dense结构，训练难点主要是什么？你觉得DeepSeek MoE效果好的原因有哪些？7️⃣ FP16、BF16、FP32、INT8这些格式有什么区别？在训练和推理大模型时，一般会如何选择？8️⃣ 可以讲一下RLHF的基本流程吗？并写一下PPO和DPO的Loss表达式。9️⃣ 对于超长上下文，业界一般是怎么处理的？你了解Qwen是怎么做的吗？🔟 （开放题）在你看来，目前大模型发展的上限可能在哪里？有哪些突破方向？1️⃣1️⃣ （代码题）Leetcode 152：乘积最大子数组。

1.项目介绍2.为什么要做DCN，DCN具体怎么做的，V2和v1有什么区别，他俩的时间复杂度和参数复杂度3.logloss剧烈下降的时候有什么办法？4.项目提到频次过滤，为什么要这样做？5.AUC相关（AUC原理，以及计算方式，均匀采样一定数量的负样本后AUC变化）反问：业务 个人在入职前能的事？

自我介绍+项目吟唱跳过1.介绍推荐系统，为什么有召回，召回和排序的区别2.AUC相关（是啥，咋算）3.解决过拟合的方法（这里提到了L1，L2正则化）4.L1和L2的区别（提到了绝对值和平方，以及稀疏化），为什么会有稀疏化？5.特征相关性如何选取？具体是如何算的6.多目标模型如何建模（项目中有一块涉及了，我猜测他想考MMoE，但是我项目里没写MMoE）7.logloss是啥，为什么要用logloss算法题：手撕旋转升序数组找目标+讲述思路，面试官自己都说简单...反问：介绍业务，可能会遇到的挑战和困难，入职前能做的事情

1. 主要问简历项目2. lora原理以及AB矩阵初始化3. 开放性：你觉得你的xx项目还能怎么优化？如果给你足够的时间和资源，你会怎么做？手撕1. 返回严格递增最长子序列长度2. 手写lora公式反问部门业务：b站搜推大组