自备车辆接受加班出差任劳任怨的牛马

美团大模型产品转正实习面经（已offer）先说结论：整体看美团的大模型产品面试非常偏技术导向，面试官的水平很高，对项目的技术细节和商业化思路追问的非常细致，面了50分钟左右；需要大家掌握基本的ai技术，对自己所做的业务细节有足够的了解、对未来商业化的路径有思考；我下面的面经拆解也会分成技术常识题和项目细节两个大部分一. 自我介绍在面美团的转正实习之前我只有一段中厂的ai产品实习，并不是很突出；所以我从经验（也就是过去的实习项目）和能力（自己的能力如何和ai产品对口）两个维度介绍了自己，面试官挺感兴趣的，所以后续问题基本是在追问这两个部分二. 项目细节题1. 你们业务这个垂类大模型是怎么训练出来的？垂类大模型主要解决什么问题？ 垂类大模型是基于集团内的通用大模型微调的2. 你参与过模型训练吗？会觉得产品是算法工具人吗？产品视角你觉得能为模型训练贡献什么？3. 你提到你们项目目前还在探索商业化路径，那你觉得未来可能是什么盈利模式，或者说你觉得到底什么样的ai产品能赚到钱？4. 你怎么去定义badcase？标准是如何制定出来的？5. badcase的评估是你进行吗，还是有专门的外包团队？6. 了解自动化的ai-native评估方式吗？为什么你们不采用这种方式？7. 你们这个知识库主要场景是什么？传统的ai不能进行这样的知识问答吗？8. rag的流程是什么？9. rag的知识库来源是什么，其中你提到拆分逻辑，这个逻辑是怎么确定的？10. 如何优化rag里的badcase，提升rag效果？三. 技术常识题1. bert和transformer是什么，解释一下2. 为什么有这二者架构上的区别，使用场景上有什么不同？3. 大模型的大体现在哪些方面？4. 为什么传统ai没有像现在这样跑出来5. 为什么现在的ai都是一个字一个字蹦出来回答的6. 什么叫模型的过拟合？7. 你前面也提到dpo，dpo是什么？dpo和sft有什么区别？8. 什么业务该用大模型，什么业务该用小模型？9. 了解注意力机制吗？需要内推的小伙伴可以用下面的内推码哦美团2025届春季校园招聘暨2026届暑期实习（可转正）启动啦带【转正实习】的为26届暑期实习岗招聘岗位：技术类、产品类、商业分析类、零售类、运营类、设计类、市场营销类、职能类、金融类、销售、客服与支持类、综合类等工作城市：北京、上海、深圳、成都、香港、广州等诸多城市内推链接：https://zhaopin.meituan.com/m/campus?zp-from=hiring-campus-bole-elephant&staffSsoId=23765171内推码：RXB7BM8 （简历优先筛选，流程加速推进）

0323整体问的偏基础，算法+八股自我介绍算法题：打乱牌：52张牌，怎么打乱，保证任意一张牌出现在0-51的位置上都是等可能的集合类：arraylist 的自动扩容（有自动缩容吗）ArrayDeque 滚动数组类的加载机制spring 的ioc原理三级缓存解决循环依赖模板方法、策略模式、代理模式防止优惠券超发的实现逻辑乐观锁的思想他补充到 自增可以理解为一种CAS（学到了）事务的理解和使用做项目学到了什么#牛客AI配图神器#

作为AI产品经理，大模型选型需要从业务目标、技术特性和资源投入三个维度进行系统性评估。分步骤的选型：1. 场景需求拆解- 任务类型：区分生成式（GPT）、理解式（BERT）、多模态（CLIP）等任务需求- 性能指标：明确时延要求（如对话场景<2s）、准确率阈值、内容安全等级- 输入输出：处理文本长度（如法律文本需支持10k tokens）、多语言支持需求2. 技术参数评估- 模型架构对比：Transformer层数（如LLaMA 7B vs 13B）、注意力机制差异- 性能基准测试：在HuggingFace OpenLLM Leaderboard等榜单比对MMLU/HELM得分- 领域适配性：检查是否经过垂直领域微调（如Med-PaLM 2医疗专用模型）3. 成本效益分析- 推理成本计算：API调用成本（如GPT-4 $0.03/1k tokens）vs 自建GPU集群成本- 算力需求评估：模型参数量与GPU显存关系（7B模型需至少16G显存）- 长尾运维成本：监控维护、版本迭代、安全补丁更新等隐性成本4. 工程化适配度- 部署方案验证：测试ONNX转换效果、量化后精度损失（INT8量化典型损失2-5%）- 扩展能力测试：分布式推理效率、最大并发请求承载量- 工具链完整性：配套的Prompt工程工具、评估体系、持续训练Pipeline5. 风险合规审查- 数据隐私合规：评估模型训练数据来源合法性（如排除版权争议数据）- 输出可控性：测试有害内容生成概率及防护机制有效性- 许可证审查：确认商用限制（如LLaMA商用需单独授权）6. 迭代路线规划- 短期方案：采用API快速验证（如Azure OpenAI）+ RAG增强时效性- 中期过渡：微调行业小模型（LoRA适配器方案）- 长期演进：构建混合模型架构（大模型+规则引擎+传统ML） #牛客激励计划#  #大模型#  #大模型面经#  #找工作#  #聊聊我眼中的AI#  #数据人的面试交流地#  #AI了，我在打一种很新的工#  #产品经理# #牛客AI配图神器#

腾讯暑期群面大家的bg都好好阿i人强装e人，感觉同组的人都好牛，大家发言都把时长拉满，自己在一群大佬中瑟瑟发抖....能不能取消群面啊啊啊啊