timeline：9.2 投递    9.15 一面挂大模型应用算法岗1. 自我介绍2. 简历上项目和论文详细介绍，遇到哪些问题及解决方法，是否尝试过其他策略等等3. 介绍clip模型4. 介绍bert模型预训练任务，怎么进行mask掩码、比例5. 介绍GAN模型6. 介绍Qwen-VL，预训练和continue 预训练的区别7. llava 和 llama的区别，VLM图文怎么融合8. 介绍swiGLU9. 介绍word2vec、lstm一些传统的nlp模型手撕：最大无重复元素的子数组（滑动窗口）

百度上海的岗，做广告推荐的部门timeline：8.22 投递    9.1 测评    9.4 一面    9.10 二面    9.12 显示共享中一面1个小时，基础八股+项目+手撕1. 自我介绍2. 介绍clip模型3. 项目：大模型SFT数据细节，prompt设计方式，介绍cot4. MLLM了解情况，介绍一些现有模型5. 介绍lora6. 一作论文详细介绍7. 介绍CNN模型，池化的作用8. 词嵌入的发展历史，word2vec训练方式9. 介绍transformer、self-attention10. bert和gpt的区别，为什么前者用于理解，后者用于生成11. 介绍GAN模型，生成器/判别器的损失函数，介绍模式崩塌现象和解决方法12. 介绍第二篇论文13. 分类模型的发展历史手撕：快速排序二面1个小时，机器学习八股 + 项目深挖 + 业务理解 + 手撕1. 自我介绍2. 项目：介绍项目的应用场景，整体流程，数据量3. 使用什么模型（MLLM），和LLM有什么区别4. 介绍transformer5. 给定一个业务任务，如何完成模型搭建（ps.面试官大概意思是从数据处理-模型选择-效果验证角度详细说明6. 介绍过拟合、欠拟合现象及解决方法7. 介绍深度学习的优化策略（ps.可能包括学习率优化、梯度更新策略、超参数选择等方面，没答全面8. 激活函数介绍，sigmoid 和 relu的应用场景及区别9. 是否了解广告、推荐相关（介绍了一个实习中一个搜索相关的小项目，CTR啥的不太懂10. 计组知识：进程与线程区别、死锁及解决方法手撕：给定一个数组，判断它是否是一个二叉搜索树的后序遍历（ps. 有些问题记不太清楚了，仅供参考