算法岗面经

🤔 这道题是经典中的经典，超容易被问到，如果答不出来是很减分的！作者参加过的暑期实习和秋招的面试中这道题考了得有7次以上了（大多数为一面考察的）。每当面试官问到Transformer相关的八股，这道题几乎是必问的。📖 此题的答案是：由于Query和Key的点积操作使得结果方差变大d倍，导致模型容易出现梯度消失现象，因此需要除以根号d减小方差，避免梯度消失问题。详细的分析如图1所示。📈 图3和图4为验证不除以根号d会导致的注意力分数靠近0或1现象的代码。图2为结果。

无论文无实习，想找大模型算法，犹如路边一条🐶，告诫师弟师妹们，找算法，实习论文必有其一，否则就会像我这般狼狈，简历挂麻了，人家实习我实验室干活，人家秋招我实习，人家玩耍，我春招。彻底放弃秋招，先去百度实习沉淀沉淀，争取转正。不行春招再战，感谢百度收留，爱度信度等度°

以下两个岗位的业务方向都是时空预测相关:①滴滴地图导航团队 技术三面顺利拿下offer，方向是导航路口的预测和评估；②阿里高德 大云图的交通算法岗 技术二面后给了oc，方向重点在时空预测，感觉业务性不如滴滴，但是又感觉阿里的title很诱人；③百度 百度云算法岗，是research岗，非业务导向，不是很想去；万能的平台给个选择建议吧（坐等大佬）

📍 个人背景打底：985本硕 | 研究方向 ：CV多传感器融合/决策规划 (选填你的核心方向)技能栈 ：C++/Python双修 | PyTorch/TensorFlow熟练工 | ROS2/CyberRT接触过科研&项目 ：顶会/顶刊 * X (有必填) | 自动驾驶相关项目 * X ( 感知/预测/定位/规控 等)刷题 ：******** 400+ (面试报了250+，重点刷 图论/DP/几何/搜索 )💥 三轮技术面深度复盘（硬核预警！）：✅ 一面：算法根基 + 工程手撕 (70min - 基础考察)1. 理论轰炸区：多传感器融合 ：卡尔曼 vs 粒子滤波优缺点 & 适用场景 (拿IMU+GNSS紧耦合举例)？时间同步 ( 硬同步/软同步 ) 咋搞？深度学习CV ：BEV感知为啥火？痛点在哪？Transformer (DETR, BEVFormer) 咋用在感知里？模型轻量化 ( 蒸馏/量化/剪枝 ) 实战过吗？SLAM/定位 ：后端优化 (BA, Pose Graph) 是啥原理？回环检测常用招数？动态物体干扰咋办？2. C++/工程实战区：性能优化 ：手撸并行加速点云聚类 (OpenMP/CUDA思路)，Eigen库高效矩阵操作技巧， 深度学习推理内存泄漏 怎么防？数据结构设计 ：动态障碍物轨迹 (带时空信息) 用什么数据结构存又快又好？3. 算法手撕区： (现场写码!)动态障碍物轨迹预测 + 冲突检测 (时空占用网格 or OBB相交判定，二选一)点云地面分割/聚类 (RANSAC, DBSCAN 等实现 & 优化)✅ 二面：系统设计 + 地狱场景 (100min - 能力纵深) 🚗 自动驾驶算法架构设计：分布式感知痛点 ：多车协同感知框架咋设计？ (异构传感器数据融合 + 带宽/时延限制)海量点云/图像数据Pipeline怎么搭高效？ (ROS2/CyberRT选型？ 数据传输、序列化、推理Pipeline优化)模型落地难题 ：模型 在线更新 + A/B测试 怎么做才安全？边缘设备 ( Jetson ) 模型 部署优化 经验有吗？⚡️ 地狱级场景题 (重点！)：十字路口修罗场 ：感知有误 (遮挡、误检) + 通信延迟，多车+行人怎么协同决策？ ( 规则派 还是 强化学习派 ？) 安全性咋量化？极端天气Buff ：暴雨/浓雾天，怎么让感知模型更稳？ ( 数据增强 ？ 多模态融合 ？ 后处理玄学 ？) 🧪 模型与数据暴击：数据闭环 ：怎么自动挖Corner Case触发模型重训？Pipeline咋搭？仿真 VS 现实 ：用CARLA等仿真器高效生成刁钻场景 + 评估算法？ ( 场景泛化性 是关键！)✅ 三面：CTO压力面 + 灵魂对谈 (50min - 格局视野) ❗ 夺命连环问：“L4落地最大的 技术坎 在哪？ 突破口 你觉得是啥？” (秀技术视野深度!)“算法 安全性 (SOTIF功能安全) 怎么贯穿 模型设计->训练->测试->部署 全流程？” (ISO 21448了解一下!)“你的研究/项目到底怎么 解决自动驾驶真问题 ？ 创新点 和 落地价值 在哪？” (价值论证是核心!) 💡 反向收割 (把握主动权！)：技术栈：贵司 自研算法框架 的核心优势？和Apollo/OpenPilot比 差异化 在哪？真挑战：目前算法团队啃的 最硬骨头 是什么？ (展现解决复杂问题的渴望！)🚀 算法岗通关秘籍 (牛客精华版)：1. 项目包装术：科研项目 => 直戳痛点 ：论文包装成解决具体问题 (e.g., 长尾检测 -> 提升路口“鬼探头”识别；轨迹预测 -> 优化Cut-in预判)。工程项目 => 突出闭环 ：狂吹 算法部署 、 性能调优 、 数据Pipeline 、 仿真验证 全链条能力！2. 八股重生法：基础算法 => 绑定场景 ：DP -> 行为决策/路径规划；图论 -> 高精地图处理/车路协同；几何 -> 传感器标定/碰撞检测。深度学习 => 聚焦落地 ：少讲原理，多讲 模型设计如何解决具体问题 (e.g., 时序模型搞轨迹预测，注意力机制破遮挡)。3. 仿真Demo潜规则 (超级加分项！)：必杀技 ：用CARLA/LGSVL搭典型高危场景Demo (e.g., 无保护左转、VRU密集路口)，展示算法处理过程 + 结果分析！GitHub源码链接当“投名状”，甩给面试官！隐藏大招 ：展示自研的Corner Case生成 + 自动化测试脚本 (体现工程化思维)。📣 【内推直通车】牛客专属福利，面试流程加速！🔥 内推码：NTAW9FW (投递时务必填写，这是关键！)🚀 极速内推链接：https://app.mokahr.com/m/campus-recruitment/deeproute/145894#/home👉 投递后助攻： 在此帖下留言 “李四 + 算法岗 + 你的牛客昵称/邮箱（选填）”，我会尽力帮你盯进度！关于算法岗考察细节、流程疑问也尽管砸过来！

血泪教训：面试百度的同学一定要提前下好入流！全程约40分钟1.自我介绍2.项目拷打先是盘问了论文里的项目，因为和网约车调度场景很契合。面试官也很专业，基本就是看着我的简历，然后时不时提出一些针对性问题。数据集的来源是哪里？奖励函数是怎么设计？为什么要这么设计（包括具体的计算方式）？特征有哪些？论文的聚类是怎么做的？为什么要这么聚类？为什么设计分层强化学习的框架？上下层的奖励维度一致吗？有做调度策略的实际到达情况、中途接单情况的统计吗？和项目指标提升还不错，为什么不考虑上线使用？然后问了之前实习的一个项目。预测GMV为什么不算上新用户的成单？主要用了什么模型？wide&deep模型是怎么设计的？为什么不用需求预测模型而是做了GMV预测？留存率是怎么算的？为什么不用时序预测的模型？3.手撕题因为用的是如流的浏览器版本，没有代码考察的界面，所以就跳过这一段了。（大概率凉了，大家面试一定要记得先下好如流）4.反问萝卜快跑的运营规模怎么样？实际的调度算法是怎么做的？会考虑强化学习的算法吗？无人网约车与传统网约车在派单调度方面的区别。

以下两个岗位的业务方向都是时空预测相关:①滴滴地图导航团队 技术三面顺利拿下offer，方向是导航路口的预测和评估；②阿里高德 大云图的交通算法岗 技术二面后给了oc，方向重点在时空预测，感觉业务性不如滴滴，但是又感觉阿里的title很诱人；③百度 百度云算法岗，是research岗，非业务导向，不是很想去；万能的平台给个选择建议吧（坐等大佬）

面试历程： 9.2 贝壳找房 语音算法岗 技术一面→技术二面挂9.2 标贝科技 语音算法岗 技术一面→技术二面→hr面→斩获offer 岗位垃圾已拒9.3 智谱华章 大模型岗 技术一面 挂，大模型岗不匹配9.12 小红书   交易算法岗 技术一面 挂，交易算法不匹配9.13 滴滴 安全算法岗 技术一面→技术二面 挂，自我感觉良好但后续无通知9.16 滴滴 地图导航算法岗 技术一面→技术二面→加面技术三面→斩获offer9.17 阿里高德 交通算法岗 技术一面→技术二面→斩获offer9.18 快手 支付算法岗 技术一面 挂，岗位不符整体上面试的方向分成三类：语音算法岗、时序算法岗、其他岗位，因为自己的基础主要在语音识别和时序预测，所以主要介绍前两个方向的面经，其他岗的我也不太懂，只是试着面了一下；所有岗位的面试流程均为：自我介绍→项目穿插八股→算法题→反问环节面经：1、为什么会出现梯度消失或者梯度爆炸？2、LSTM相较RNN又有什么优势？3、介绍你用到的损失函数4、详细解释transformer的整体架构5、transformer为什么要用注意力机制？共有几个注意力机制？为什么用多头注意力机制？6、说一下q、k、v机制以及注意力计算公式，为什么公式中要除以根号dk？7、交叉注意力机制的q、k、v分别来自哪，是编码器还是解码器？8、说一下transformer训练一次都有哪些参数会更新？9、你用的transformer参数量是多大？10、为什么要位置嵌入，使用加法嵌入而不直接拼接？11、说一下transformer为什么要用层归一化而不用批量归一化，他们两个的区别？12、你用过哪些音频处理办法？音频处理流程？用过哪些pytorch的库？13、说出你用过的linux命令14、了解哪些机器学习算法，KNN的neighbor参数的作用？决策树、随机森林是bagging还是boosting？15、分类和逻辑回归的区别？16、用过哪些优化器，训练轮次是多少？17、模型的输入是什么，输出是什么？18、介绍TDNN和ECAPA-TDNN，了解等错误率吗，p、r、f的计算公式？19、对时序数据做过哪些预处理？特征选取是怎么做的？数据量是多少？输出百分比是92%，另外的8%差在哪？20、降维方法有哪些？VAE和普通自编码器的区别？21、了解常用的推荐系统算法吗？22、在你的项目中，用到了transformer的哪些部分，编码器还是解码器，还是全部？23、了解端到端吗，该怎么实现？24、说一下transformer为什么要掩码，三个注意力都有掩码吗？25、了解大模型吗，介绍RAG，说明RAG的作用，说明为什么大模型会出现幻觉？26、声纹识别技术的损失函数是什么，评价指标是什么，做了哪些调参调优工作？27、介绍whisper模型，说明其和transformer架构的不同之处28、介绍语音合成模型VITS29、写transformer的注意力机制部分的代码，会sql吗，写sql、写算法题，问思路30、为什么LSTM有时候会比transform好？transform为什么训练比较慢？31、说一下transform在时序上最新的工作32、场景问答，司机怎么接人，怎么为乘客规划最新上车点33、说出能准确描述自己的三个词，怎么做目标规划34、讲一下最近你读的一篇文献35、在你打比赛中，你觉得冠军的代码比你的好在哪里，有什么优势？36、算法题：leetcode随机出题、写场景sql题、手写transformer