拼多多日常实习 大模型算法一面分享发点面经攒攒人品～1.Pretrain 和 SFT 分别解决什么问题？2.Transformer 的基本结构怎么理解？3.多模态模型的大致结构是什么？最容易踩坑的点通常在哪里？4.SFT 数据如何更贴近业务：如何避免过度模板化？如何做基础的 train / test 去重来避免评测失真？5.对齐（ RLHF / DPO 等）整体思路是什么：为什么需要偏好对／奖励信号？6.玩过 Openclaw 吗？了解其的记忆机制吗？7.如果检索返回了很多相关的内容，如何选择最相关的？8.了解 embeding 吗？9.了解过 spec-drivening 的 code agent 吗？10.了解上下文压缩机制吗？11.为什么压缩前 70%？最开始的几轮对话明确需求不是很重要吗？拼多多内推链接：https://careers.pddglobalhr.com/campus/intern?t=vSypT8yAuQ 内推码：vSypT8yAuQ

3月26日面的讲一下你那个微途旅行，你这个微途旅行是什么背景，自己琢磨的还是网上学习的你当时这个题目是自己选是吧？就是为什么为什么你们当时想做这个方向的尝试？你怎么判断你自己做的这个项目有没有在真实场景落地的价值，你是怎么做这种思考的？就是这种场景就是假设你做出来之后，发布到市面上，会有人用这种功能吗？这个就为什么别人不用用马蜂窝，为什么别人不用马蜂窝，用你的产品为什么要用lua脚本，解决什么问题？redis集群环境下，你怎么保证你在lua脚本上操作的key在同一个实例上来保证原子性的这个令牌桶流量控制这块。你自己实现的吗？还是找了一个现成的实现组件去用的？你这个秒杀业务主要是用什么来保障它它...

从3.13号开始投起，除了拿到几个agent的offer（都拒）之外，就没有什么合适的offer了。转vlm确实很难，多模态项目都是自己做的，阿里实习的关于视频生成的，不知道我还需要做哪些努力才能找到vlm的实习啊。百度空间理解（一面挂），小红书（内容生成一面挂），字节（多模态/AIGC，抖音直播内容理解一面挂），商汤agent（一面挂），快手多模态（一面挂），阿里系乱捞都不合适也挂了

前面基本上都在问论文 无手撕1. 自我介绍2. 介绍下简历上这个项目3. 你对对话 LLM 的理解是什么？它和普通文本生成模型的核心区别是什么？答案：对话 LLM 不是简单地做 next token prediction，它要在多轮交互里持续维护用户意图、对话状态、约束条件和安全边界。普通生成模型更关注单次输入到输出的流畅性，对话模型还要考虑上下文一致性、角色一致性、拒答策略、澄清提问以及工具调用。它的核心难点在于“历史信息并不等价于有效状态”。用户前面说过的内容，有的仍然有效，有的已经被修正，有的是噪声。对话 LLM 必须学会根据当前轮次重新解释历史，而不是把所有历史机械拼接进去。工程上通常...