商汤算法岗一面面筋

每天都在呱offer小猫快快发力！！

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...

实在是没想到，上班之后还能有考试，真的是破天荒，如果这个考试排名和年底绩效或者晋升机制挂钩，那真的会变的很卷，即便只是一场考试，公布考试排名之后也会或多或少引起不必要的焦虑，说实话，上班之后深有感触，内心越来越浮躁，没有精力去准备一场考试，也会觉得考试是学生时代的产物和工作无关，而且考试会更加增加工作压力和心理压力，给生活造成很大的困扰。单单一两次还好如果变成固定“节目”如果是我，我就会跑路，此处不留爷，自有留爷处。

体感最难的一次面试，全程被拷打(应该是公司风格，感觉面试官人还行但是没开摄像头)40分钟coding 40分钟拷打简历1.线性回归/kmeans概念，手写线性回归2.torch手撕MLA(没写出来)3.问项目，sft/rft怎么做的，提问数据集细节4.DAPO (项目中提到)做了哪些改进5.多模态模型的thinking能力训练相比纯文本的 thinking训练有什么不同6.你们训练视觉thinking的COT哪来的(答:用开源数据集/sota模型蒸馏)，追问那他们的视觉cot怎么训练出来的(答:先训练文本llm，再对齐视觉vit，然后再从通用领域做rft可以泛化到垂域;