快手 云原生系统研发工程师 面经

攒人品中，祝大家都能拿到满意的Offer！1.lora微调原理2.P tuning3.强化学习 ppo grpo4.prompt 微调5.attention结构6.gpt12的结构7.Deepseek r1 训练四个阶段8.Encoder only decoder only 区别9.Llamma12的结构10.Deepseekv2 v3 r1 r1 zero的结构和训练过程11.探讨moe技术细节以及未来发展的困境

1. 自我介绍2. 项目介绍3. 多智能体项目中，工具调用是怎么实现的？4. MCP 有哪些协议是否了解？5. RAG 的工作流程6. Tranformer 为什么出现？解决了什么问题？注意力机制介绍一下7. 大模型生命周期相关，训练，微调，量化，剪枝，蒸馏，部署，分布式等，从头到尾串了一遍8. 有一个垂域大模型，部署成本过高，如果要降低部署成本，你会选择蒸馏还是量化？9. Linux 进程与线程的区别10. Python GIL 锁有没有了解？怎么绕过 GIL 锁？11. Git 多人协作的时候怎么处理合并冲突？12. 开放性问题：你在学术项目中印象最深/感触最大的一件事13. 开放性问题：...

被横向挂了，希望发出来对大家有帮助！1.介绍 Lora 的思想，为什么有效2.DPO 的数据集来源3.PPO 和 GRPO 的区别（损失函数的 clip 作用）4.什么是大模型的幻觉，大模型解决幻觉的方式有哪些5.为什么降低温度能缓解幻觉6.你项目中 system prompt 和 user prompt 的区别7.DeepSpeed zero-3 有什么改进8.verl 和 vllm 你是怎么配合的，每个在项目中的作用9.手撕：LCR 076 数组中的第 K 个最大元素

求求各位大佬帮忙选一下实习offer，目前有点纠结，因为之前没有实习过。字节跳动：生成式推荐-3到6个月1. 业务内容：tiktok国际电商平台的生成式推荐，围绕着transformer架构的生成式推荐模型，以及llm的后训练。额外会有大模型辅助的数据收集。2. 薪资待遇：500每天+1000房补，包三餐，加班打车报销。3. 转正情况：干到7月份可以参加转正答辩，有机会转正。阿里控股总部：Agent Memory-6个月1. 业务内容：面向阿里内部团队(法务,财务等)做技术支撑，但是研究岗，主要是研究memory和发论文。2. 薪资待遇：应该差不多，正式offer还没发不知道。3. 转正情况：明确说有转正名额，转正率挺高的。个人观点：1. 字节做的推荐方向是一个相对传统一点的方向，当然有用到一些llm的技术，优点是成熟。2. 阿里偏研究，但我研究做的不多，而且6个月时间有点长，但优点是转正期望高。3. 由于字节发的offer早，我现在已经在上海租了房，再转去杭州要亏点钱。4 . 如果选了字节之后可能会找第二段暑期实习，不知道哪个实习offer会有利于后续暑期实习和秋招。5. 这是我的第一段实习，我觉得如果二者差不多的话我就待在上海了，毕竟已经租房了。所以还是希望听一听各位大佬的建议啊！你们的建议是什么啊😟😥😥