网易严选+pdd 还愿+数据分析面经

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1）做过的最有影响力的一件事是什么？具体推动了什么变化？2）训练不稳定怎么排查3) Long Context 常见思路有哪些？在业务里如何做"能看长文本但不太贵"的折中?4）如何做一套简单可执行的离线评测集？如何覆盖不同语言与类目？5）多模态场景怎么评估：如何检查"图文一致性／不编造信息"？优先加哪些自动化检查？6) Prompt ／模板如何管理：如何版本化、如何回滚、如何避免一次改动导致整体波动？7) 手撕：实现一个最简单的 top - k 采样，并说明边界情况怎么处理。

我看过一些面试反馈，有一个比较典型的现象：👉 有些人一面没问题，但到了二面，很快就被问住了而且往往不是不会，而是：👉 讲不深、讲不透、讲不下去二面和一面最大的区别在于：👉 不再考“你知道什么”，而是在看：👉 你做过的东西，能不能经得起推敲1️⃣ 项目不再是“讲”，而是“被拆”很多人准备项目的方式是：我做了什么用了什么技术达到了什么效果这些在一面是够用的。但二面通常会直接往下问：👉 细节比如：这个优化你为什么会想到？当时有没有其他方案？为什么不用？如果场景变化，这个方案还成立吗？有没有什么可以继续优化的地方？这类问题的核心不是难，而是：👉 你有没有真正思考过你做的东西很多人卡在这里的...

欢迎来：牛客 -> 在线编程 ->  提示词工程题 https://www.nowcoder.com/exam/oj/ta?tpId=408  来练习。

【一面】 1）介绍一个最能代表自己的项目2）项目里负责的边界是什么？哪些内容是亲手实现／验证的？3）电商领域预训练数据：低质过滤与去重会怎么做？用哪些简单指标快速判断数据质量？4) Pretrain 和 SFT 分别解决什么问题？5) Transformer 的基本结构怎么理解？6）多模态模型的大致结构是什么（图像编码器+连接层+ LLM )？最容易踩坑的点通常在哪里？7) SFT 数据如何更贴近业务：如何避免过度模板化？如何做基础的 train / test 去重来避免评测失真？8）对齐（ RLHF / DPO 等）整体思路是什么：为什么需要偏好对／奖励信号？【二面】1）做过的最有影响力的一件事是什么？具体推动了什么变化？2）训练不稳定怎么排查（ loss NaN 、 OOM 、吞吐下降）3) Long Context 常见思路有哪些？在业务里如何做"能看长文本但不太贵"的折中（摘要／分段／滑窗等）?4）如何做一套简单可执行的离线评测集？如何覆盖不同语言与类目？5）多模态场景怎么评估：如何检查"图文一致性／不编造信息"？优先加哪些自动化检查？6) Prompt ／模板如何管理：如何版本化、如何回滚、如何避免一次改动导致整体波动？7) 手撕：实现一个最简单的 top - k 采样（给定 logits ／概率，取 top - k 后重新归一化采样），并说明边界情况怎么处理。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。