荣耀计算机视觉工程师一面

📍面试公司：大疆🕐面试时间：2025.9.28💻面试岗位：图像算法工程师❓面试问题：先自我介绍，可以展示ppt我选择掌握主动权，问面试官是否允许使用10分钟左右介绍我的项目，面试官说可以介绍最满意的一个项目，正合我意介绍过程中会穿插问题，比如“你用的方法A为什么会比方法B有效？有实验结果吗”之后问了一些其他的问题，比如：“有没有嵌入式的经验？”（我是搞深度学习算法的，所以无）“有没有ISP相关的经验？”（同样无，因为我的项目巧妙地绕过了ISP）“你喜欢摄影吗？用的什么相机？”“有用过大疆的产品吗？”“为什么没有考虑pocket系列的产品呢”（盲猜是pocket团队的面试官？）全程无八股无coding，30min不知道自己是不是更应该投递“计算机视觉工程师”这个岗，感觉如果有嵌入式、ISP相关经历的话会跟容易过

手撕1: 寻找有序数组中，target的出现次数，要求小于O(n)的时间复杂度 手撕2：查找数组第K小的元素 讨论实现思路 要求时间复杂度小于O(nlogn) 实习的LLM经历拷打 八股 如何增加模型泛化性？ 归一化方式，layernorm和batchnorm的区别和计算方式，为什么要有归一化 Transformer架构中，TOKEN 间交互和TOKEN 内交互分别在那些模块中？ 为什么基于attention的加权融合方式有效 反问：业务和模型使用情况，当前成熟度和存在难点，主要做搜广推，部分场景会用到大模型

面试官人挺好，我表达的也比较流畅问项目细节，训练指标等等，看我是不是真的做过友好探讨了蒸馏过程中的细节，感觉面试官是偏业务的那种，做的东西和我的经历也比较匹配问八股 ppo grpo区别，KL散度的作用，有什么问题一共半小时，无手撕反问业务（主要是垂域大模型，负责五八的各种业务，算是一个技术中台），工作地点（朝阳），工作强度（10-8-5）

项目GRPO相关考察个人对SFT和GRPO的关系。问BN和LN的区别？为什么NLP里边是LN?问前 layer norm 和 后 layer norm的区别？pre-LN 恒等分支的权重较大，到深层是影响模型训练效果的主要因素，模型会变得更“宽”；post-norm因为norm(x_{t-1}+f(x_{t-1}))， 恒等分支的权重会逐渐削弱，残差分支会成为主导，模型倾向于变得更“深”。参考：https://www.zhihu.com/question/519668254/answer/2371885202手撕编辑距离没看到聊天框就没让写了反问以发论文为目标