高德一面

1h30min

八股：
1. lora原理，lora初始化，AB可以全零或者全高斯吗，通常在什么参数矩阵上加lora，有什么超参数，怎么知道哪些超参数组合效果最好
2. dpo/ppo/spin原理，loss，过程中有几个模型
3. dpo正负样本之间只有少量差异，这个时候效果不好，为什么，怎么解决
4. 训练的pipeline，deepspeed zero123原理和用了哪个，为什么用这个
5. 量化框架知道哪些？vllm原理
6. 大规模数据，rag怎么快速检索召回（不知道，面试官说什么稀疏index什么什么的，没听过也没记住）
7. 对比学习原理，怎么做的，哪些做负例哪些做正例，loss，超参数，最终是什么参与loss计算

主要拷打实习：
1. 实习rag中的embedding模型用的哪个，为什么用，为什么不用bge
2. 知识库是单纯召回，还是有精排，策略，链路什么样，都用了哪些模型
3. 模型部署上线经手了吗，参与度
4. dpo数据怎么来的，自己改还是模型生成，效果好吗，有探索过最新的对齐方法吗
5. 最近读过的论文，实习有用比较新的论文的方案吗，照比现在方法改进点在哪
6. 实习公司数据库用的什么

手撕：
编辑距离，听说过没做过，没撕出来
换了道easy，链表有无环，感谢面试官！