算法工程师

📍面试公司：百度🕐面试时间：0814💻面试岗位：大模型算法实习❓面试问题：1、自我介绍2、聊项目3、ppo dpo grpo区别4、reward获取方式分别是什么5、rag怎么解决模型幻觉6、研究视觉的，为啥做nlp(没答好，下次注意)7、clip训练方式？temperture的作用8、算法题：三数之和9、反问(做文心一言coder模型预训练的)面试官很漂亮，很温柔🙌面试感想：

非常开心的一天秋招收获的第一个offer也是第一次收到字节的意向忙碌了一年，总算到了收获的时候了继续冲冲冲

互联网大厂，阿里集团，高德社招内推各个岗位都有，算法，开发，运营，测试。。。。各个职级都有，P6P7P8P9,,

【帖子正文】各位牛友好！华为2025届实习生招聘（面向2027届毕业生）正在进行中。我们团队诚招AI算法工程师实习生，方向为模型开发与优化。如果你对深耕AI技术充满热情，欢迎加入我们。【 重点信息 】· 面向人群： 2027届毕业生（即目前研一/直博一年级、大三的同学）· 岗位方向： AI工程师 - 模型开发与优化· 实习要求： 必须9月份开始实习，并保证连续实习3个月以上（能长期实习者优先）。Base地可根据情况协调。【 核心工作内容 】1. 参与大模型/深度学习模型的训练、调优与全流程开发，解决真实业务问题。2. 聚焦模型性能优化，包括精度提升、推理加速、模型剪枝与量化等技术实践。3. 跟踪业界前沿AI技术，进行原型开发与技术验证。4. 参与技术攻关，撰写技术文档。【 我们希望你 】· 计算机、人工智能、数学、电子工程等相关专业背景。· 扎实的编程能力，熟练掌握Python，熟悉PyTorch/TensorFlow等框架。· 对机器学习、深度学习有扎实基础，有项目或竞赛经验者优先考虑。· 具备良好的逻辑思维和解决问题能力，有自驱力和团队协作精神。· 有模型压缩、分布式训练、CUDA编程等经验者更具优势。【 你能获得 】· 资深导师一对一指导，快速提升工业级AI研发能力。· 深入核心项目，你的工作将直接贡献于产品解决方案。· 体验华为技术工作氛围，为职业发展奠定高起点。【 如何申请 】 名额有限，期待你的加入！请发送简历给我我们会尽快审核简历并推进面试流程。如有疑问，欢迎在帖下回复，我会及时解答。祝各位前程似锦！---

秋招进入中后期了，算法八股快背的差不多了，感觉需要系统整理下手撕没怎么复习到的地方，避免考到笔都动不了直接寄的情况。以下收集自各大厂面经/笔试解析，查漏补缺，列个todo list，欢迎各位大佬补充：ML/DL，基于numpy或者torch实现：线性回归、MLP（结构、前向传播、反向传播）Multi Head Attention绝对位置编码、RoPE交叉熵计算AUC计算BatchNorm，LayerNormk-means聚类IoU、非极大值抑制(偏视觉岗)数据结构与算法类：归并排序、堆排序KMP、Trie、字符串哈希RMQ、线段树（在线查询，修改区间最值、最大连续子段和等）Dijkstra（堆优化）、Kruskal最小生成树、拓扑排序（感觉图论考的少但是没复习过必寄）快速幂、逆元、组合计数取模、卡特兰数（小米笔试被挂过）牛顿迭代法解方程分组背包、混合背包、二维费用背包、背包输出具体方案、数位dp、状态压缩dp

我们是谁？ Data-番茄团队，负责字节跳动下番茄小说、红果短剧、番茄畅听等产品的推荐算法和AI相关工作。我们的工作包括优化业界前沿的大规模推荐系统，探索LLM与推荐的结合，并落地生成式推荐范式，从小说、短剧、音频、音乐等内容方向建设完整的内容生态和AI能力，保持业务规模保持超高速增长。加入我们，定义下一个亿级增长神话！🌟 现象级产品矩阵，用技术撬动行业天花板抖音集团番茄系 APP（番茄小说 / 番茄畅听 / 红果短剧 / 海外短剧）以破竹之势横扫泛娱乐赛道 ——✅ 番茄小说领跑数字阅读赛道；✅ 红果短剧单月播放量超百亿，登顶 QuestMobile 2024 亿级增速榜首；✅ 番茄畅听稳居音频行业增速前列！我们不仅是赛道领跑者，更是用算法重塑内容生态的造浪者。💡 顶尖算法团队，打造工业级技术标杆番茄推荐团队作为业务增长的核心引擎，构建全链路算法护城河：🔥 攻坚多模态内容理解（CV/NLP）、生成式 AI 创作等前沿领域；🔥 深入长消费场景LTV建模，挑战长短多体裁价值统一的高效率混排；🔥 依托字节跳动自研的大规模推荐中台与千卡 GPU 训练集群，每天处理百亿级用户行为数据。校招岗位速递下面所有岗位均覆盖北京/上海/杭州/深圳 4大baseAI算法工程师-番茄-筋斗云人才计划：https://job.toutiao.com/s/02XvJijT1z0推荐算法工程师-番茄 https://job.toutiao.com/s/3sfu9QCQJD4有问题可以欢迎私聊我～

前言   大家好，我是鬼仔，前两天详细地整理了TP-LINK的面经汇总：你离TP-LINK的offer只差这个保姆式面经汇总！ 。今天保姆鬼仔又呕心沥血地整理了最近三年（2020年以来）华为的面经汇总，分了两个专场：技术岗位专场和非技术岗位专场，非技术岗位专场看这里：【鬼仔面经汇总系列】华为非技术岗专场：产品、运营、审计...       该贴是技术岗专场，技术岗位包括软开岗、测试岗、算法岗、芯片等硬件岗，根据时间倒序进行排列。希望同学们好好复习，准备面试，鬼仔给大家加油打气！      该贴首发于鬼仔的公众号《码农鬼仔》，鬼仔还会持续更新该帖内容，有需要的同学强烈建议收藏！   同学们如果还...

一切都从昨天下午原以为是KPI的一面开始，没想到直接开出意外惊喜一面：自我介绍，然后讲了刚投的一篇1区论文的工作，分析整体的框架、具体的技术细节，常见的反问点（为什么这么设计、为什么有效，相比于之前的工作，主要好在哪里、最核心的贡献是什么）面试官自称是NLP背景的，然后问了一些常见的视觉和多模态大模型的模型结构、损失函数设计、训练及推理过程等（面试官有可能是故意扮猪吃老虎哈哈）Coding：最接近的三数之和；共享屏幕本地IDE，秒了一个n^2logn的做法，让进一步优化，最优解是双指针；不过面试官觉得编码能力应该可以，实现很快，提示完直接让过了原本以为月底发一面是KPI，结果面试官问我后面还有没有时间，现场约二面，等面试官进会议二面：自我介绍，二面面试官非常重量级（进会议的title和面试的深度广度全都拉满了）首先很深入了聊了相当多关于MLLM的内容：介绍一些MLLM的现状，再选一个近期的多模态大模型，介绍相较于CLIP、LlaVA早期版本进行了哪些改进: Qwen技术点比较多，之前没系统整理过，说了自己还有点印象的Intern-VL2，不过上次看Intern-VL2的论文已经是三个月前了，大概只答上两点比较核心的。然后继续深挖目前多模态大模型在数据层面相较于之前的改进，这个没答上来之后被面试官深挖了LoRA，可以说LoRA的每一个细节的角落全都被挖的干干净净，还有不少开放性思考题，甚至比上次小鹏CV大模型一面面试官挖的还狠得多。不过上次被拷打之后就很系统地整理了LoRA的相关内容，勉强答得还行吧以后再不能当git clone侠了。然后面试官针对我的专业背景（统计），深挖了几个ML、DL相关的数学层面的问题，有让共享屏幕开白板写过程和推导（不是特别难，不过挺新颖的，秋招还是第一次面试被问到这种类型的问题）；紧接着针对我的Nature子刊工作中用到的Gaussian Graphical Model，讲了其与传统ML模型、神经网络和大模型的差异、区别和各自的优劣势。最后是一些相对开放性的问题：你是如何使用现代的LLM产品提高工作、学习和编码效率的？为什么这种方式有效果？LLM、LVM、MLLM未来发展的方向和前景大概是怎样的？整个二面的问题不止这些，太多了，又深又广，很多具体已经记不太清了，而且回答的过程中几乎都有进一步反问，深挖了很多东西二面面完，面试官也是直接当场联系三面面试官三面：自我介绍，三面面试官更是整个集团的技术大佬，NLP相关经验非常丰富，整场面试问的内容也偏NLP相关，我之前几乎0 NLP相关经验，汗流浃背了可以说，不过好在基础还行，凭自己的做CV和MLLM的积累，基本都答上了首先介绍了之前lab实习中做的LLM剪枝优化迁移的工作，然后深挖了相关的技术细节，不过刚聊完电脑音频直接罢工了，重新约到11.1下午11.1下午完整描述CLIP的原理、架构、工作过程、怎么对齐、怎么做image caption完整描述transformer输入一个文本序列如何做下一句预测的全过程，深挖了tokenize、位置编码、MHA、FFN、损失函数、输出转换各个部分接着从我项目经历中有关传统ML的经验出发，问了一些ML相关的八股，难度不大然后是偏主管面的一些内容：对工作环境的期望、自身性格优缺点等反问环节逮住大佬问了目前MLLM的相关业务和技术现状；最后是关于面试流程上的一些问题总体体验非常棒的三轮面试拷打深度广度强度高，但是也学到了非常多的东西，这也算是对自己能力的一种认可吧现在想想当初9月份面试难度远不及现在的团子、阿里、得物、理想，却被面挂了，可能还是简历不如现在优化的好，没能突出自己的优势，也没有勇气直接投更匹配自己的岗位吧（当初为了求保底，基本都投的机器学习、数据挖掘这种最“泛”的算法岗，或许应该早点鼓起勇气直接投自驾、MLLM和CV的）。今天看到牛u们团子开奖，各种sp、ssp，确实感觉羡慕+遗憾。最后许愿一个HR面吧