1.为什么从工程管理跨考到软件工程2.看你排名挺高的 你是怎么做的这个比赛3.热度召回怎么做的，会不会有未来时间的缺失 为什么采用前后一小时，数据集是怎么样的，总共有多少篇文章4.介绍 word2Vec你具体是怎么做的 为什么用物品ID 序列来做5.排序模型尝试了哪些6.特征工程怎么做的7.lightgbm为什么会比其他模型效果好8.为什么决策树比 LR的效果好 给你一颗八层的决策树 除了信息熵以外还有什么判断特征重要性的方法9.Transformer基本结构10.attention的作用11.多头注意力对比其他的注意力的优点在哪手撕:MHA 问为什么除以根号dk反问:业务，实习生待遇(去问hr)

1.实习经历:请你说说你在这个项目中是怎么做的?遇到问题如何解决。2.论文:请你简要介绍一下你论文做了些什么?哪一部分是你觉得很亮的点。3.你了解哪些CV领域的模型么?CNN,ResNet, CLIP， BLIP， VIT..4.你了解哪些NLP领域的模型? RNN，LSTMTransformer, bert..5.你了解哪些优化器么?SGD，BGDAdagrad，Adam 你在什么情况下会去调整优化器?6.Dataloader，有哪些函数?7.手撕多头自注意力机制8.代码:除自身外数组乘积

1.项目详细介绍2.数据分布，负样本采样，对转化率的影响3.怎么构建的交叉特征 拼接 统计4.mmoe门控具体每一层的设计是什么样的5.每一层的激活函数是什么6.熟悉哪些激活函数  为什么需要非线性能力7.ple的门控和mmoe的门控区别8.了解哪些损失函数9.各个损失函数的梯度计算10.讲wide&deep；deepfm；AutoInt11.写出DCN交叉层计算公式12.pooling有哪些方式13.maxpool和sumpool如何反向传播 影响哪些神经元14.怎么判断过拟合，解决方法15.l1 l2正则化的区别16.transformer吟唱17.具体讲解transformer中前馈层的设计手撕：1.给一个字符串输出频率最大的字母，若频率相同输出字典中排序靠前的2.用pytorch或tensorflow实现mlp概率题：求硬币连续两次抛出均为正面的期望次数（6次）

一、少量八股1.介绍下self-attention，计算其时间复杂度。2.为什么要用multi-head attention？3.kv cache是什么？它为什么能极大地提升推理速度？4.PPO的clip机制？在线强化学习和离线强化学习有什么区别？RLHF是哪一种？5.为什么要用reference model?为了解决什么问题？二、项目深挖1.如何让多个agent协同工作的？举个具体的协同机制例子。2.如果一个agent误判导致策略冲突，如何处理？3.你们有没有用到类似AutoGen或LangChain的框架？为什么选这个框架？4.你是怎么设计agent的记忆系统？5.长期记忆如何存储？如果历史记录量非常大，怎么优化查询效率？6.有没有做记忆衰退，避免旧数据干扰新任务？7.你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？8.你简历里的人机协作流程，具体是什么意思？怎么设计人工干预与agent自动处理的平衡？9.human feedback是怎么被agent消化吸收的？有没有用rl进行策略更新？三、业务理解1.有没有做过模型压缩？比如在车载端或低端设备上的推理加速？2.如果量化后理解能力下降怎么办？怎么做精度补偿？3.你怎么处理响应速度与推理精度之间的tradeoff？是先召回再精排，还是单次生成？4.如果要做电商agent，你会选择哪些模态的信息作为输入？比如文本评论、图像、视频、购买记录？5.有没有做过A/B测试？