讲讲面试经验

ps：上一篇受到挺多人质疑，主要是学历和offer的戏剧性差别太大

不过大概清楚我bg的都信了。还有不信的你们当个乐子看也行

我主要面试方向是大模型落地算法，做业务的。

我的面试秉承两个要点：
1.自信：做业务的面试官一般和ailab等研发部门不一样，你要相信面试官不一定有你水平高，所以要在面试中感染他，让他相信你很牛。（这背后一定是扎实的八股基础和实践经验）
2.指标主义：做业务多了其实大家都知道，大部分时间策略比技术更重要，唯一能量化的只有产出指标。我在简历上大量标出了项目的小环节指标、阶段性指标、里程碑指标、中间指标、最终输出指标、转化率，每个指标对应能带来项目什么方面的提升。同时在面试过程中会和面试官讨论每个指标的定义和变化带来的影响，比如chatbot类项目就应该更关心dau和留存率。同时阐述自己对指标的看法，每个技术or策略为什么能带来这种指标的提升。经过这样，面试官一定会感受到你对业务的理解度，以及对项目整体的把控。

下面讲讲面试的每个环节我都是怎么理解的，以及我的做法。

自我介绍环节：这个部分其实挺重要的，你可以在这里秀出你的腕力，同时展示自己擅长的方向，提出自己的highlight point，如果有面试官对你这部分某个点感兴趣，那就算有了一个好的开始。至于我自己，我会将自我介绍分成两部分：1）工作经历：重点介绍自己的实习、项目、实习产出情况，以及工作期间的高光，旨在展示自己对业务的理解，这部分不应该是用来展示技术深度的；2）算法基本功：重点介绍自己的比赛、论文、实践经验等，这部分主要用来介绍自己的技术深度，最好能给出一些数字，比如顶会几篇、xx比赛冠军几个、大模型sft卡时共计xx小时。

项目讲述环节：这部分主要用来展示业务理解，就像我上面说到的，需要对整个项目的周期、指标有比较深的理解。在这方面，我认为在公司参与一个大项目（有技术深度）不如独立负责一个项目的开发，这样能够有效了解一个项目的立项到上线及之后的周期、指标设立、埋点构建、里程碑、各阶段迭代方向、标注体系构建、日常审核体系建设、数据飞轮的构造方法。但大部分实习生都是承接mentor的一定工作，实际上只能负责一个小part，所以我建议还是在周会上多听、下来多问，为什么这些指标会产生这样的变化，同时也要了解项目其他环节的指标和技术方案，以及方案选型的特点。最重要的是，要了解项目的核心输出指标，以及这个指标能够怎样带来实际收益转化、具体的转化率。同时也要知道你的部分每个策略对核心输出指标的贡献度。（总而言之，这部分还是展示你在实习期间的见识多广，很多东西实际上都非常简单，但是经历过这些比项目本身的难度更重要）

比赛、论文展示环节：这部分主要展示你的技术深度，把你的高光点详细阐述，具体到每个人身上都不一样，所以就不细讲了。

八股环节：这里最好的方法是在讲述项目、论文、比赛的过程中就叙述一些这个方向的八股，比如讲llm的时候可以讲讲发展史、技术方案的借鉴算法来源，实现的细节，或者和技术方案相似的算法。尽量不要给面试官额外的时间专门提问八股，这样八股方向就不可控且体验不好

手撕环节：多刷题吧，记几个让我印象比较深的手撕题：1.np实现FFN的forward和backward；2.GQA的torch实现；3.BPE tokenizer的大致实现

反问环节：我一般会问面试官组里的项目情况，同时讨论指标和流量的分配关系（这里也大致能看出组里的项目重视度和发展前景），以及大概技术方案的设计，值得注意的是，最好在这环节问一下能够引发讨论的问题，而不是面试官简单回答即可的问题。

#大模型# #秋招# #算法岗# #数据人的面试交流地# #简历中的项目经历要怎么写# #我发现了面试通关密码# #面试# #面试经验#