1. 自我介绍环节：简要介绍个人背景与技能。2. 经历阐述：介绍实习经历，并自选一篇论文进行讲解。3. 项目细节追问（具体内容略）：针对项目展开深入提问。4. 大模型生成评测：大模型生成内容的评测方式有哪些，具体如何操作？5. RAG技术短板：RAG存在哪些缺陷？6. 大模型输出一致性：如何确保大模型输出内容的一致性？7. DeepSeek R1详解：讲解DeepSeek R1的训练流程和基本原理。8. 强化学习算法辨析：DPO、PPO、GROP之间的区别是什么？9. SFT与强化学习对比：SFT和强化学习各自有什么优缺点，分别适用于什么场景？10. 提示工程方法：提示工程的主要方法有哪些？11. 大模型幻觉问题：阐述大模型的幻觉现象及抑制方法。12. 多智能体协同：如何保证多智能体协同的效果？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

实习和项目 1.商科为什么转算法2.为什么推荐模型需要热启3.介绍下 LHUC，LHUC 有哪些变种4.模型里 LHUC 的输入特征是如何选择的5.如何处理长序列的存储和线上推理延迟问题, 加序列 ROI 高吗6.CTR 和 CVR 用多任务模型来处理, 有什么好处7.广告主价值定义8.怎样让粗排模型感知未曝光数据, 粗排样本怎么选择9.listwise 比 pointwise 有什么好处10.粗精排一致性越高越好吗codingleetcode 33. 搜索旋转排序数组（hot100 中等题）反问

实习和项目 1.详细介绍实习工作2.模型迭代中遇到的难点, 解决方案3.序列中每个 item 是什么? 样本组织方式4.用户序列长短不一, 怎么处理5.推荐场景下的 id 特征, 会不会有 out-of-vocabulary 问题6.哈希冲突有什么影响7.介绍 attention, self-attention和cross-attention的区别8.业务场景有没有样本不平衡问题9.如何处理样本不平衡10.如何评估模型是否过拟合? 怎么缓解过拟合11.Dropout 是什么? 在训练和测试阶段有何区别12.在样本极不平衡的情况下, 可以用 AUC评估模型吗13.为什么用 transformer 建模用户行为序列, 而不是 LSTM14.了解哪些树模型15.介绍下 XGBoost, 相对 GBDT 有哪些改进codingleetcode 54. 螺旋矩阵 （hot100 中等题）反问

1.实习和项目2.介绍业务场景3.多端多场景推荐有哪些建模思路4.如何估算一个业务场景一天的样本量5.广告业务的目标, 和推荐的区别6.讲一个收益远超出预期 / 远低于预期的工作, 分析为什么7.模型从训练到上线, 会涉及哪些部分8.序列建模如何进行效率优化9.了解哪些神经网络底层优化的方法10.介绍 Flash Attention11.FP16 和 FP32 的区别12.介绍 TensorRT反问

1. 实习介绍2. 手写算法题：leetcode 2. 两数相加3. 介绍你最熟悉的项目（涉及到以下八股）4. LSTM的结构5. 写一下sigmoid的公式6. 介绍一下AUC的定义/物理意义7. 介绍一下Transformer的结构8. 原论文中编码器和解码器各有几个？9. 多头注意力中，算出来的注意力分数的物理意义是什么？10. 掩码注意力的作用是什么？11. 手撕一下AUC（不用numpy）12. 你目前的offer情况？13. 你的未来求职意向？14. 你的优缺点各是什么？15. 反问环节

1.实习介绍2.实习base模型的大概结构3.长序列建模方式4.离线和在线主要看的指标5.粗精排是否要保持一致性6.transformer结构7.1112正则化 都用在哪些场景8.精确率和召回率9.实习过程中的最大收获10.遇到的困难11.算法题:找到有最大和的子数组，加起来和为目标值的组合312.反问

数字马力AI工程研发业务初试：1.自我介绍2.项目3.c 语言，它里边的这个多线程，它处理的时候，它肯定是存在不稳定的因素嘛，所以说我们要加一些这个策略，再去解决这个不稳定的这个方式。4.比如说两个线程它相互就竞争变成死锁了，那你怎么解决？5.那你 Python 的语言怎么样？ Python 你觉得了解程度和 C 加加相比哪个更好一点？6.Python 回文算法的实现，口述。7.你现在常用的都有哪些Linux命令？8.现在想查看一个文件的，相当于我们查看日志吧，不要说文件了，我们就要查看一个日志，而且是实时的，这个命令怎么，是哪个命令？9.实时查看关键字error的命令？10.MySQL数据库的游标。11.MySQL 的事务隔离呢？你知道有哪几种？12.更推荐用哪一种事务隔离，为什么？13.就我想现在有一张学生表，我要查询英语成绩是前十名的同学，这个 SQL 怎么写？14.左右连接的区别15.TCP 的三次握手16.TCP四次挥手17.TCP 和 UDP 它们的区别数字马力AI工程研发业务复试：1.自我介绍2.你可以讲一下你在中间你觉得自己成长比较多的那个项目吗？3.项目负责人的话，你这一块的话，你主要的工作包含哪些呢？4.我看你这个项目应该是你刚刚入学读研一的时候，你就在做负责了，是吧？然后那你怎么清楚了解你组内同学，哪些擅长什么呢？你这个是通过什么方式来了解的？5.是对内存的要求会占用会比较那个嘛。那你们这个算法对内存这块就性能方面有，你们性能方面是怎么来做的呢？6.你们有一些内存的话，你们是固定在做分配吧？那有，对于控制内存或者内存释放这一块，你们是什么来做的呢？7.深度学习这方面你有多少了解？8.你对 AI 这块有多少了解呢？9.挑战杯比赛介绍一下。10.你们做这个挑战杯主要关注哪些方面呢？11.就是如果准确率低的话，关注大模型微调的哪几个点呢？12.比方说一些结构，或者是一些工作流这一块有了解吗？13.Python 的那个装饰器有了解吗？14.Python 的装饰器的一些特性是什么15.在 Python 中的话，一般怎么来实现那个多线程呢？16.Python 中序列化（对象→字节/字符串）与反序列化（字节 / 字符串→对象）一般会怎么来做呢？17.你在做项目中，你提出来一个问题。但是你其他的同学或者是你的那个老板并不认同。如果遇到这种问题的话，你一般会怎么处理呢？18.你在学习中，或者是平时遇到一些难题，或者是比较难攻克的一些技术方面的问题，你一般通过什么方式去解决掉呢？反问    面试官说可以多了解AI差异化方面的内容数字马力AI工程研发业务复试（三面，面试官没开摄像头）：1.自我介绍2.询问第是第几轮面试3.说看我背景是做算法的，然后问了研究方向4.项目介绍，项目的目标是什么5.纯项目...+简单AI6. 面试官最后说他是算法方向的，看我简历写的是算法的，然后想考察我的算法能力，应该是没达到他的期望，给挂了。三面都是45分钟左右  太难了...

20多分钟，三个人(两个面试官，一个HR)1、自我介绍2、介绍下布隆过滤器+缓存空值的使用场景3、介绍下Zset实现点赞排行榜的实现，还记得代码吗？(不记得了，简单讲了下过程)4、Redis有那些数据结构？(底层数据结构只知道名字，说了下名词)5、消息队列使用的是那个？(随便答了一个，说还未了解底层原理，只是异步使用优化效率)6、如何保证Mysql和Redis的数据一致性？7、Python用过吗？(因为简历上基本上都是Java)8、深度学习算法了解过那些吗？9、反问：业务有哪些(湖北大数据反诈系统、联通业务。。。)？什么时候出结果？(当天就会出)面试官人挺好的，有结果了再更新

1. 实习介绍+介绍论文  （挖了好多论文相关的问题2. 手撕快排3. 介绍一下 DQN和double q-learning4. 二分类用什么loss，写一下BCE5. 为什么MSE不能用于二分类6. 深度学习有什么优化器，Adagrad、Adam和SDG的区别是什么7. 介绍一下Transformer，encoder的FFN有什么作用，attention为什么要除以根号d_k8. 介绍一下LoRA，为什么能高效微调，其中降秩的作用是什么9. 介绍一下MoE，极化问题怎么解决10. PCA算法的原理是什么11. XGBoost和LigthGBM的区别12.反问

一面（电话面  简单询问意向）1.是否还在求职状态2.要选择哪个方向，我投了人工智能和计算机二面（电话面   10 分钟左右）1. 目前是否持有offer，是否有拒offer经历2. 过往投递的企业类型及岗位方向3. 个人是否偏向人工智能方向及原因4. 能否接受“入职2个月培训后定岗”的模式（定岗方向为AI应用/业务赋能）5. 对工作地点（浙江金华）的接受度6. 过往项目中自认为完成最好的项目及原因7. 核心项目的创新点8. 项目中技术难点及解决方案9. 项目团队协同中的分歧处理方式10. 项目交付对象、上线状态及应用场景11. 研究方向（遥感图像语义分割超参数优化）的应用场景、数据类型12. 技术在机器人领域的适配性13. 本科及硕士阶段的成绩排名14. 家庭籍贯、家庭成员工作/学习情况15. 父母及个人对工作地点的要求反问1. 不需要实习2. 双非硕士月薪范围8-12K

1.详细介绍序列建模的工作, 收益来源在哪2.序列的 sideinfo 有哪些, 怎么入图3.介绍下广告系统的全链路4.A/B 实验指标为什么不是平台收入5.搜索场景和推荐场景的不同点6.是否了解 RankMixer, 介绍做法和收益点7.介绍序列建模的发展历程8.多模态特征如何利用到序列建模中9.试过 Next Token Prediction 吗, NIP loss 的优势codingleetcode 50. Pow(x, n)反问

1.详细介绍实习工作2.模型结构是什么样的3.项目遇到的困难, 如何解决的4.广告主价值的定义5.模型为什么用 AUC 评估6.AUC 的提升如何带来线上业务指标的提升7.Attention 的原理8.Self-attention 和 target-attention的区别9.自己觉得实习工作还有哪些优化空间10.如何解决推荐系统中样本偏差问题11.介绍 XGBoost 及其优点12.了解因果推断的哪些方法codingleetcode 329. 矩阵中的最长递增路径反问

1.项目介绍2.在项目中你用过 DPO 吗？和 PPO 相比，它有什么优缺点？3.Transformer 的位置编码方式有哪些？RoPE 的核心思想是什么？4.在大模型推理阶段，KV Cache 的作用是什么？5.如何在有限算力下做大模型微调？常用方法有哪些？6.如果让 agent 调用搜索引擎，如何避免无关结果影响回答？7.你在项目里有没有做过 RAG 里的“召回-过滤-生成”三段式 pipeline？能不能细讲一下？8.算法题：判断链表是否存在环

1.实习介绍2.模型有几个专家?有看它有极化现象吗?出现极化现象怎么处理?3.粗排一般怎么做的?4.精排正样本极少的情况，应该如何训练?5.某些场景点击回收延迟不一致，动态窗口太小会漏样本，太大会慢，怎么解决?6.AUC 含义;如果 AUC 从0.7提升到0.8，能否直接说模型能力提升?7.正样本稀疏时， GAUC 会有什么问题?8.为什么推荐系统除了 AUC 还要看 GAUC ?9.手撕:LC215数组中的第k个最大元素

1. 实习介绍2. 看了今年哪些生成式推荐论文，答onerec了3. 然后聊了半小时onerec，重点在多模态tokenizer和语义id4. 拷打简历项目(infonce的温度系数作用，faiss ANN索引，正负样本，特征工程，推理测评指标等)5. RoPE和ALiBi两种相对位置编码的原理6. SwiGLU原理，比relu好在哪7. attention常规八股(根号dk，时间复杂度，为什么要分多头)8. 用过哪些大模型微调方式，LoRA微调原理9. 了解模型蒸馏吗10. 了解目前主流多模态模型吗，扩散模型公式怎么推导的11. 手撕: lc53 最大子数组和改为求出这个子数组

1. 实习项目问的很细，数据构造，微调参数等2. 如果子agent回复不对怎么办？反思？跳不出去怎么办？限制次数3. LORA和全参数微调的区别4. DPO，PPO，GRPO5. 逻辑回归、XGB和神经网络的区别6. XGB怎么做特征重要性的？gini系数是什么？7. Deepseek MLA？为什么压缩？8. Transformer encoder？为什么需要FFN？9. AUC物理意义，公式，公式含义code：重排链表

二面： 1.CV 和 NLP 的区别与联系2.在Transformer 框架下，CV、NLP、语音是否可能“大一统”3.大模型训练：数据清洗、处理、配比的方法4.大模型训练：如何更容易提升模型性能5.什么是大模型的幻觉，如何缓解6.为什么会有复读问题，业内有哪些解决办法7.工具与 Agent：大模型工具调用的实现方式8.工具与 Agent：Agent 的组成部分及实现方法9.开放题：你在大模型训练中遇到过的困难，如何解决？10.代码题：实现一个Tokenizer（只能用 PyTorch 基础语法）

1.了解过哪些大模型？它们在结构上的差异？2.大模型常用的位置编码有哪些？优缺点分别是什么？3.介绍预训练—后训练—推理的流程4.详细问了 RLHF（包括 PPO 算法原理）5.DPO 和 PPO 的区别6.超长上下文是怎么实现的（例如 Kimi）7.大模型智能体（Agent）的工作原理和组成部分8.场景题：如何训练一个大模型，让它能更好地精确提取摘要9.码题：经典股票四连问（121、122、123、188）

一面: 1.面试官对实验室的横向项目完全不感兴趣，对前一段实习项目兴趣比较大2.详细问了实习项目的细节3.之前实习做过用户画像这一块，与现在面试的岗位工作职责有交叉，于是详细问了这一部分是怎么做的4.Encoder与decoder的中Attention区别？5.Attention如何计算？为什么除以根号下Dk？mask attention是如何实现的？6.除了MHA还知道哪些(GQA MQA MLA)讲原理7.为什么要用位置编码？为什么要用sin_cos？8.问之前实习的Agent的设计逻辑，问创新方法的实现9.问Agent的工具tool的设计，是否是workflow形式10.问数据的输入输出格式如何保证大模型输出稳定的json做了哪些工作11.代码题：合并两个有序链表