商汤科技大模型算法一面面经

先介绍一下自己bg，211本双非硕，半年cv工作经验半年gap，都是小公司求佬指导：1.割草机器人，公司a轮融资，进去可以学3d点云、slam、机器人方向的，主要工作图像处理、数据对齐，不清楚如果再跳槽，未来凭这份经验好不好工作。薪资：大小周，14k转正18k，hr对我很不错说帮我争取提前转，面试官就是未来顶头上司，他更喜欢另一个候选人。（无绩效、转正不考核）2.初创公司做ai录播、视频监控智慧城市，主营业务有点杂，进去做图像处理、大模型。因为业务杂杂也担心学不到太多。薪资：双休，被压薪了转正前后15k。（无绩效、转正不考核）3.医疗器械行业的公司，主营类似大排灯代工厂，偏视觉、嵌入式，领导说以后项目会往大模型转。薪资待遇：大小周，17k转正19k（无绩效，转正有考核）请问佬应该选择哪一个好一点，我是多重buff叠加，想找个公司当跳板看未来能不能进小厂

面试迟了大概半个小时。说是前面的人没面完。好像他们面试是专门留一天面的。自我介绍，做题。面试官问我会啥，说就是走个流程。leetcode 打家劫舍。主聊项目，考察对 VLM 的理解，CLIP的理解。问Long CoT 如何定义？32k及以上。反问工作强度和业务应用。很累。面完直接第二轮。高强度面试wok。部门老大面试，没做题，感觉是业界大佬。聊强化学习，其中有个点是把 rollout 阶段把全错的样本部分替换为对的，让模型可以进行学习，问“和DPO有啥区别”？这样不是off-policy了吗？ on-policy 的优势是什么？GRPO的缺点很大，必须是可验证的query，开发问题，例如报告生...

有佬知道这个进度得待多久嘛

三面：项目：聊了一个简历上的项目，问了项目上的难点八股：这次八股也基本全都是场景题，面试官讲话不是很清楚。压力拉满了，导致有些题目忘了。1. 在一个文档中，如何筛选出对一个综合场景大模型的微调数据？2. 一个模型对prompt会生成多种回答，那么dpo 的pair数据如何选取？3. pair数据的reward model用什么损失函数训练？4.batch_size过大过小会怎么样，batch_size变化的时候学习率也要调整吗？5. 微调的时候7B和70B的模型哪个学习率应该更大？6.deepseek r1有哪些技术上的亮点？ 手撕：使用蒙特卡洛方法，判断一根绳子随机裁剪三块能组合成三角形的概...