1.⾃我介绍2.介绍⾃⼰的项⽬3.项⽬中数据语料4.你怎么评价你⾃⼰构建的数据集的好坏？5.chatGLM 和 GPT 模型结构⼀样吗6.⼤模型训练⽅式7.怎么评价⼈类⾼质量回答的数据集？精⼼处理的数据集作⽤？（精⼼处理的数据集只能保证回复还⾏，但不可能只能只对⼀个场景）8.强化学习中怎么⽤奖励模型打分？怎么样的分数？奖励模型是怎么得到的？9.⽤强化学习的梯度更新是怎么实现的？10.什么样的 prompt 是好的 prompt？11.Instruct 和 prompt 有什么区别？12.现在⼤模型有哪些的缺点13.模型幻觉怎么解决？14.⼤模型对话和传统的 nlp ⼈机对话⽅案有什么区别15.（⼈机对话）你怎么知道⽤⼾输⼊之后，触发⼀些问题16.传统⼈机对话中⼀个问题给 K 个回复吗17.（⼈机对话）相似度怎么计算；这种度量的模型怎么训练？18.命名实体识别遇到嵌套识别该怎么做？19.⽂本分类中⼀个⽂本有多个类别的话，该怎么做？20.⽂本分类中类别不均衡问题怎么解决？21.⼤模型的幻觉怎么评测？22.什么是⻓⽂本？⼤模型⻓本⽂怎么做？23.你项⽬中⻓⽂本⽤的多⻓？24.tokenizer的步骤 #算法#  #春招#  #牛客解忧铺#  #牛客在线求职答疑中心#  #科大讯飞求职进展汇总#

5.6一面1. 自我介绍(介绍完就发现技术栈不匹配了)2. 问项目3. 程序内存中堆和栈的区别4. 使用堆的时候怎么防止内存泄漏5. debug方法(我发现字节很喜欢问这个, 但是我不太会, 我觉得他们想要的标准答案应该是linux环境下用gdb的core文件的debug方法)6. 说说面向对象编程, 举个例子7. 浮点数float和double的精度(还有一些, 但是记不住了)手撕:1. 一个按照从小到大排序的有序链表(正负数都有), 把它重新按照绝对值大小排序.2. 流量控制, 滑动时间窗口, 每秒通过五个请求, 如果超过五个就舍弃. 问这个算法有什么问题, 怎么改进.(面试官的意思是从时间窗口的角度思考, 而不是动态调整阈值的角度. )

部门/业务：ai技术中心/app首页搜索推荐一面（3.22）自我介绍研究经历：任务介绍，模型方法，评价指标算法题[23] 合并 K 个升序链表进人才池不知道算一面还是二面（4.2）和一面类似算法题：[239] 滑动窗口最大值hr面（4.16）携程还是挺好的wlb，可惜实习想去个背书更好的，携程秋招再考虑吧

自我介绍八股（可能遗漏）：1. 讲讲推荐系统流程2. Transformer 位置编码是什么3. QKV 注意力公式为什么除以根号 d4. 简单讲讲 GCN5. 简单讲讲 RNN6. RNN 里的参数是什么样的（答：参数共享）7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？8. 讲讲 BN？BN 训练和推理什么区别？有什么用？9. 用 CNN 把 (64, 64, 128) 变成 (x,y,z)（具体数字忘了），卷积层参数量是多少，计算一下（没答上来）。10. 我看你上过最优化方法？什么问题才是一个凸问题？凸集和仿射集的定义是什么？算法题：LC233（Hard），纯初见，没做出来，勉强讲了一下初步思路。反问：对我有什么建议，答建议提升算法能力，建议多搞点相关度高的实习和项目。言下之意应该是匹配度有点低。全程对面没开摄像头，回答卡住时无引导，面试体验一般。