美团 大模型算法工程师 配送 一面(附带吐槽)

8.28 美团一面 纯纯的搞笑面

前言:本来美团的面经不该在这个时间点来写的,我也并不想写,因为这面经写出来没有丝毫的价值,本该着手去写的已挂的百度二面面经,但在我看到我的美团校招流程变成回到人才库时,我必须写点什么吐槽这件事。

1.自我介绍

2.看我的简历里面没有学校的经历,为什么?(学校的经历和求职的需求百分之百不符合)

3.看我许久以前的简历是找java的,为什么改了?(礼貌的回答了)

4.让我选一个项目聊,我选了目前实习做的项目,大语言模型做类似判别的任务。

5.我这个项目的场景下,大模型的输入是啥?我回答是文字。

6.大模型的输出是啥?我回答也是文字。

7.这个loss是怎么计算的?我回答,token粒度,算交叉熵。

8.什么是token?我在聊天框里给他打字解释什么是token。

9.他理解了token,但是疑问token怎么计算loss。我说模型会输出token的概率分布,用概率来算交叉熵。

10.他又疑问为什么不直接让模型输出标签然后学习,我的理解是他在说Bert做分类的路子,接额外的网络做分类。我回答他,这样做不好统一语言能力,我们的场景需要模型有语言和推理能力,外接网络难以和语言能力结合。

(此时面试还剩5min)

11.手撕 无序数组取中位数 快排

反问

咱们部门主要用大模型做什么?面试官说,他们其实不限于大模型,就是解业务问题,啥能我work上啥。

我面的岗位是不是大模型算法工程师?面试官说,是。

吐槽:我不理解为什么面大模型算法的岗位,面试官对语言大模型的了解会缺失到,需要我来解释什么是token?即使不同的大模型,语言大模型、视觉大模型、时序大模型、甚至一些解生物领域的问题的大模型存在一定的diff,但token这么基础的、只需要看几篇科普就能理解概念,居然需要等到面试中再解释吗?并且我明明面试的岗位就是大模型算法工程师,面试官居然能在反问阶段说出,大模型不是必须的,啥working用啥,那这岗位不属于纯粹的挂着羊头卖狗肉?你但凡叫啥应用算法工程师,我都不会觉得这有问题。把我捞起来了,面这种试?

我从来不对面试被挂有啥不好的情绪,相反,我总是从多次被挂的经历和面试官的交谈中学到很多东西,了解自己该补足的地方和学习的知识。但这种,空洞的、无价值的、无流程推进的面试,就是纯纯浪费时间。

#美团##牛客解忧铺##美团求职进展汇总##牛客在线求职答疑中心##如何判断面试是否凉了#
全部评论
可能遇到同一个面试官了,同岗位,也是配送算法团队,手撕也一样。面试中就感觉不太像是NLP科班的,甚至有些我解释过的问题像是没认真听一样还会再问一遍,最后流程过了快一周才挂,浪费时间。
3 回复 分享
发布于 2024-09-04 17:04 江苏
同面美团大模型 碰到类似啥也不懂面试官
1 回复 分享
发布于 2024-09-04 11:57 北京
面美团暑期大模型实习,面试官也像是完全不搞大模型的,所有问题都围绕很老的一些nlp,还有搜推广来问
点赞 回复 分享
发布于 2024-09-08 10:35 辽宁
配送的开发岗体验也很垃圾..已经给差评了..还被hr小姐姐慰问了..
点赞 回复 分享
发布于 2024-09-04 20:23 北京
请问是哪个部门的面试官?
点赞 回复 分享
发布于 2024-09-04 15:43 浙江
绷不住了
点赞 回复 分享
发布于 2024-09-04 09:32 广东

相关推荐

点赞 评论 收藏
分享
今天老师整理了大模型入门的几个学习步骤、目标和需要掌握的基础知识,供初学者快速掌握基本路径。1️⃣前置知识: Python 基础、 Linux 基础🌟学习内容1.熟练掌握 Python 语言,熟悉常用的Python 库和工具,如 NumPy 、 Pandas 、  Scikit - learn 、 PyTorch 等。2.具备 NLP 相关的基础知识,包括文本预处理、分词、词性标注等。3.对大模型有一定了解,包括Transformer 模型的结构和原理、基于注意力机制的自然语言处理技术等。2️⃣Step1:NLP相关基础知识🌟学习内容1.了解文本预处理、分词、词性标注、命名实体识别、词向量表示等基础知识。2.掌握机器学习中的数据预处理、特征提取、分类、回归等基础算法,并了解其在 NLP 领域的应用。3.了解大规模 NLP 任务中的常用技术和方法,如深度学习中的 Transformer 模型、 BERT 、 GPT 等。3️⃣Step2:GPT API 调用及 Prompt 设计🌟学习内容了解 GPT API 的调用方式和基本操作,熟悉 Prompt 设计技巧和要点,能够结合自己的任务调用 API 实现对应的任务代码。4️⃣Step3:模型微调( Fine - tuning )🌟学习内容了解常见的微调模型的基本流程和原理,熟悉数据集的构造、训练、评估等过程,能够独立构建 QA 对,在服务器上对模型进行微调。5️⃣Step4: RAG (外挂数据库)🌟学习内容RAG 作为目前最火的一个 LLM 落地方向,可以结合私有数据(表格、 word 、 txt 、 pdf 、数据库皆可)实现本地问答,且训练成本较低,可以快速实现效果。✴️有需要提升面试能力和辅导项目的同学可以后台联系我~
点赞 评论 收藏
分享
评论
11
16
分享

创作者周榜

更多
牛客网
牛客企业服务