快 star(多模态理解）一面

不得不说快手的面试体验是真好，不会让我很压力。
大模型一面挂了，没想到被这个捞了。面试官不会问我没接触的，还是很好的。
1. 自我介绍 
2.实习简单介绍了一下
他们是做安全的，就先问了很多安全的知识
3.实习中，安全对齐现在是怎么做的
4. 安全数据你们是怎么构造的
5. 开放场景题（现在快手有一些视频图片文本等帖子，底下评论很多可能设计 sq zz 等安全问题， 如果是你，你会怎么去设计来解决这个安全问题？）（我： 情感分析  实体信息抽取  主题分类  模型微调 xxxx 随便大杂烩）
6. 讲到了一下 DPO，就问 PPO 和 DPO 有什么区别？（奖励模型优化了）
7. 你觉得 DPO 训练，可能会出现什么问题？
问了问我做没做过 CV，没有。 后面问集中在transformer，估计是他 CV 做的多。
8. transformer 的结构整体介绍一下
7. 位置编码介绍一下？为什么 ROPE 等相对位置编码会有比较好的外推性？（瞎讲）
8. 讲一下 BatchNorm 和 LayerNorm。为什么 transformer 是 LayerNorm？
9. 是 Post 还是 PreNorm？ 这两个有什么优缺点？（我说反了。。。Pre 更训练稳定，Post 更性能好。。面试官还问我，是哪个更稳定？我还搞反了。。。）
10. 两个 Norm 都需要 warm up 吗？（第一次被问这个，之前完全没看过，如实说了）
11. 后面就问了 attention K Q V 怎么来的？ decoder 第二个的 K Q V 来源
12. 训练和推理的时候的不同，会不会有影响？（就是如果推理预测的第一个 token 不一样，会不会错误累计？）
后面还问了一些啥忘记了，
代码题路径之和 3
面了一个半小时，代码题搞得稍微久了点， 提问一个小时。