蚂蚁大安全前端一二三面面经

二面先问了简历里的论文项目细节，穿插一些八股和开放题现有VLM的主要结构，训练方式图文对齐的方式？ 主要就是q-former和mlp这两种方式比较图文数据怎么构建多轮对话遗忘历史信息怎么办算法题：编辑距离岛屿数量

一面 电话面 35min 感觉有点kpi 但面试官人挺好的 没懂的问题耐心解释

微调（Fine-tuning）是机器学习中一种迁移学习技术，指在预训练模型（如BERT、GPT、ResNet等）的基础上，通过少量特定领域或任务的数据进一步调整模型参数，使其适应新任务。其核心思想是利用预训练模型的通用知识（如语言理解或图像特征提取能力），通过针对性训练提升模型在特定任务上的性能。微调的核心作用1. 节省资源：无需从头训练，减少计算成本。2. 提升性能：预训练模型已学习通用特征，微调能快速适应新任务。3. 小数据友好：适合数据量有限的任务。微调的主要方式1. 全参数微调（Full Fine-tuning）- 方法：解冻预训练模型的所有参数，用新数据更新全部权重。- 适用场景：数据量充足，任务与预训练任务差异较大。- 缺点：计算成本高，可能过拟合小数据集。2. 部分参数微调（Partial Fine-tuning）- 方法：冻结部分层（如底层），仅更新顶层参数。- 冻结策略：预训练模型的底层通常学习通用特征（如语法、低级视觉特征），可冻结；顶层更接近任务，需调整。- 适用场景：数据量较少，任务与预训练任务相似。- 示例：冻结ResNet的前几层，仅微调最后几层用于医学图像分类。 #产品经理#  #牛客激励计划#  #数据人的面试交流地#  #聊聊我眼中的AI#  #面试时最害怕被问到的问题# #牛客AI配图神器#

先自我介绍。项目。感觉面试官不太懂多模态。也没问啥。无八股。做题。代码：三数之和。钉钉出现故障，面试官口述了问题，然后让我讲了一下思路。反问。面试官说了很多。挺能聊的。岗位主要是做 agent 相关，用户出行规划、订票(机票火车票)建议。工作内容还可以，不是那么无聊。感觉不太匹配，50%概率挂。