1.自我介绍2.项目提问3.大模型的输入输出4.模型的SFT和PEFT训练的时候有什么小trick5.GRPO，PPO,DPO的算法原理6.什么时候用PPO，什么时候用GRPO7.场景题:有没有了解复读机， 如何解决复读机问题8.解释Agent和RAG原理9.算法题:最长公共子序列，环形链表10.反问：业务是做ToB的多轮对话机器人📳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。

今年大疆秋招截止特别早，我也是赶在了截止ddl之前完成了投递，投递岗位是图像处理算法。9.4 一面只有一个面试官，面试时间很短，只有不到半小时，项目问的不是很深入，反而有不少偏通用能力和协作相关的提问。1.自我介绍2.部署在哪里？什么型号的开发板？什么芯片的？3.部署时候有没有一些加速4.有没有其它的一些合作的项目？扮演着什么角色？5.有没有一些分歧的问题，是怎么解决的？6.如果工作遇到了时间紧任务重、或者因为别人导致你这边进度卡住了，你会怎么办？当时面完后感觉寄了，过了好久之后才通知我二面，当时想着大概率是kpi面。9.29 二面也是只有一个面试官，面试时间特别短，只有大概二十分钟。1.自我介绍2.算法的核心价值是什么？有自己有思考过吗？3.怎么样才能认为这个图像算法做的比别人好呢？那从哪些维度去评价呢？4.为什么选择这个算法？5.这个算法测试时存在哪些问题？出现这些问题的原因是什么？后面是怎么解决的？6.了解ISP pipeline吗？7.为什么考虑大疆？8.用过大疆什么产品？当时面完后感觉时间这么短，并且我回答的一般般，肯定是寄了，后面就没有对这个公司抱有太高的期望。过了差不多两个月，在11.28的时候，突然收到hr的口头意向，当时很震惊，后面又陆续收到了书面意向并且完成了签约。后面我对此进行复盘，认为主要的原因如下：1.大疆的老员工走了一大批，导致大疆现在很缺人，今年hc很多2.两次面试流程都很短，技术深挖不算多，更多是在确认背景、思路以及是否能快速融入团队，而恰好我的学历、实习、校园项目都还可以，只看这些我确实满足要求。3.感觉面试官的研究或工作方向和我并不完全一致（我做的ISP中的DRC模块，相对比较小众），导致面试官被我的简历唬住了，没搞懂我的真实水平

1.能否解释Transformer使用多头注意力机制的动机？2.如果只使用单头注意力，可能会在哪些方面受限？3.请谈谈Transformer是如何实现并行化计算的。在计算注意力得分时，为什么通常要对点积结果进行缩放（即除以根号dk）？4.在推荐系统的模型适配中，对比LoRA与全参数微调，它们各自更适合什么样的场景？5.有什么优势和代价？在推荐系统中引入RAG（检索增强生成）主要是为了解决哪些问题？6.通常如何构建与更新其背后的知识库？7.在RAG实践中，选择BGE作为嵌入模型主要出于哪些考量？后续的向量检索索引（如FAISS）是如何构建和优化的？8.对于RAG中的文档，通常采用哪些策略进行分块（chunk）？9.如何平衡块的大小与信息完整性？GraphRAG适用于解决哪些传统RAG难以处理的问题场景？10.你的项目中利用LangGraph来编排多工具调用链路。与纯Prompt工程方法相比，这种框架带来了哪些核心优势？11.当输入的文本长度超出模型的上下文窗口时，目前有哪些主流的处理方案或模型架构来应对？

1.自我介绍2.问项目3.GRPO,DPO,PPO区别4.LORA的秩一般是如何选取的5.小米训练用的什么框架6.LORA微调的原理7.LORA为什么可以实现少量的参数完成全量微调的效果8.手撕有效的IP地址9.反问，组里做到餐的LLM生成餐，toC和toB📳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。

项目 1.个性化新闻推荐项目中，数据是否包含文本数据，仅有的物品类别信息具体情况。2.项目中用到的所有特征，及特征是原始数据自带还是人工构造。3.项目任务为何是预测推荐Top5新闻而非预测点击，Top5命中的判定规则。4.5折交叉验证的具体实现方式，及如何避免时间穿越问题。5.竞赛中的排名和分数情况。八股1.是否了解NLP，是否接触过大模型及生成式推荐。2.自注意力机制的公式，及除以根号下DK的原因、不做该操作的影响。3.层归一化与批归一化的区别及适用场景。4.Transformer的位置编码类型、大模型常用的位置编码。5.数据不平衡问题的解决方法。手撕两道题都是非hot100，第一题撕出来了，第二题纯用双指针还有点问题，没写出来了leetcode 395 至少有 K个重复字符的最长子串leetcode lcr096 交错字符串

1.请详细解释一下Transformer模型中的自注意力机制是如何工作的？它为什么比 RNN 更适合处理长序列？2.什么是位置编码？在Transformer中，为什么它是必需的？请列举至少两种实现方式。3.请你详细介绍ROPE，对比绝对位置编码它的优劣势分别是什么？4.你知道MHA，MQA，GQA的区别吗？详细解释一下。5.请比较一下几种常见的LLM 架构，例如Encoder-Only, Decoder-Only, 和 Encoder-Decoder，并说明它们各自最擅长的任务类型。6.什么是Scaling Laws？它揭示了模型性能、计算量和数据量之间的什么关系？这对LLM的研发有什么指导意义？7.在LLM的推理阶段，有哪些常见的解码策略？请解释Greedy Search, Beam Search, Top-K Sampling 和Nucleus Sampling (Top-P) 的原理和优缺点。8.什么是词元化？请比较一下BPE和WordPiece 这两种主流的子词切分算法。9.你觉得NLP和LLM最大的区别是什么？两者有何共同和不同之处？10.“涌现能力”是大型模型中一个备受关注的现象，请问你如何理解这个概念？它通常在模型规模达到什么程度时出现？11.激活函数有了解吗，你知道哪些LLM常用的激活函数？为什么选用它？12.混合专家模型（MoE）是如何在不显著增加推理成本的情况下，有效扩大模型参数规模的？请简述其工作原理。13.在训练一个百或千亿参数级别的LLM 时，你会面临哪些主要的工程和算法挑战？（例如：显存、通信、训练不稳定性等）14.开源框架了解过哪些？Qwen，Deepseek的论文是否有研读过，说一下其中的创新点主要体现在哪？15.最近读过哪些LLM比较前沿的论文，聊一下它的相关方法，针对什么问题，提出了什么方法，对比实验有哪些？

1.CogVideoX 的模型结构、3D VAE 的压缩率、MM - DiT 的优势、4f+1为什么要＋12.FLUX 的结构，生成模型，优势3.SD3的架构，生成原理 Flow matching4.VQ - VAE 使用的的损失函数，训练过程5.为什么用 Lora 微调，为什么不用 ControlNet6.Lora 的原理， LoRA 在推理的时候怎么与原参数融合不带来时间成本7.Flow matching 与 DDPM 的区别及优势8.数据和 prompt 构建的过程9，个人怎么看待视频生成和图像生成，更倾向于那种10.Wan2.1的详细架构和训练细节11.算法：0841．钥匙和房间📳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。

📍面试公司：腾娱互动🕐面试时间：26.1.23💻面试岗位：AI游戏应用研究❓面试问题： 1.自我介绍 2.说一说简历里的一个游戏demo 3.说说sql数据库的一些基本操作 4.说说之前在腾讯实习期间做了什么 5. 说一个最喜欢的游戏，并对其进行拆解，好的地方，不好地方，有哪些是AI可以用上的🙌面试感想： 后续顺利通过了，发了笔试题，笔试题涉及一个系统的开发（第一次见）。但后续感觉面试官（也就是入职后的直接主管）的态度不太友好，整体感觉很mean，觉得之后进去上班肯定很压抑，然后就没有推进后续流程了

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...

1.简单自我介绍2.二分类场景下，给定一个 pred _ score 数组，一个预测值 pc ，问 pc 等于多少时会收敛？3.手撕交叉熵损失4.按照先行后列的方式遍历一个［100,10000］的数组和一个［10000,100］数组哪个更快？5.手撕 transformer encoder + MHA6.给定一个房屋编号数组，给定一个路灯位置数组，要求路灯能照射到所有房屋，问：路灯的最小照射半径为多少？📳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。

刚刚去面了新佰仁机器人的，算二面。深圳招聘会面了一次，这次二面算技术面，技术hr让我拿着笔在屏幕上边讲边写，到时候让他能够回忆起来我这个人，讲的我人都傻了。我把简历的基本讲了一下，因为开始我不知道他到底给我分配的什么岗位，我投的嵌入式软件和机器人系统工程师。我讲了专业，三年连续拿奖学金，会的技能，然后挑了三个重点项目（小车，计分系统外设，农业烟雾机），然后讲完大概的之后，他就开始问我小车，我小车是最拉的项目我都没怎么准备，我说了这个项目具体是干什么，用了什么技术，然后问遇到一些问题怎么解决，然后他让我讲技术架构，我都懵了什么是技术架构，然后他人还是挺好的给我引导了一下，渐渐的我发现他问的好偏视觉。然后我穿插了一句我来的时候看到你们有搞机械臂的，我说我课设有学过这个法兰克的机械臂，就是有视觉定位货物位置，然后机械臂定点取物，还有机械臂绘制平面的或者立体的图形，机械臂代码的编程。然后问我兴趣爱好，（那时候我还没有意识到他要我的是机器视觉能力，我就说自己做单片机项目，esp32开发一些传感器集成，平时喜欢运动武术）问个人规划，我一股脑说了嵌入式软件。然后后面他说这个岗位可能没有，可能有运动算法，工程力学算法什么的岗位，其实我没听懂。轮到我问的时候，我看着他们的宣传页我说我刷到你们，然后看到机械臂有个屏幕我说这个应该有屏幕UI控制，我之前学过一点，问他们是不是偏plc他说不是，说什么偏什么模块化，组装出来租给顾客那种，反正没听懂什么系统搞的。整体来说聊的还是蛮不错了，虽然很多机器视觉的给我问懵了，图像处理那一块我基本都忘了。实习期所有工资5k多一点，实习生可以提供两人间住宿，不包吃。实习期没有五险一金，八小时制，弹性一小时打卡，中午休息一小时。后期可能搬去深圳。总体来说hr姐姐和技术hr都对我很好，感觉公司氛围也是很好的。转正薪资要重新评估，实习考核就是看给你的项目能不能完成。我说我能随时到岗。问我考研，我说考了可能挂了。现在就是等通知。

之前的面试，有的忘了，但是面试体验很好。一面：实习，项目。公司主业相关：了解算子 gpu和cpu吗普通日常：什么时候到岗等无手撕反馈很快，第二天就有了结果。二面前一天因“面试官临时出差”取消，理由有些拙劣。更新：应该是真的出差

1.自我介绍2.grpo 在做大模训练时，一般用全参数微调还是 lora 微调？3.训练的优化器一般用什么？ Adam 跟 SGD 的显存相比哪个占比更高？4.除了 FM 和 DeepFM 这种做特征交叉的结构，还有哪些其他的做特征交叉的结构吗？5.你之前的两段实习你觉得哪段对于你的个人成长来说是帮助最大的？6.你的推荐项目里面提到了用了腾讯广告算法的 trick 去提升模型能力，具体是什么？7.有遇到大规模数据处理的情况吗？用过 spark 吗8.代码题： leetcode hot 100的题，具体不记得📳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。

没有八股没有手撕面试官对着简历问他感兴趣的问题

多模态算法实习生2026.01.20，下午17:30，二面（HR面），线上，10多min，都开摄像头了1.这段实习经历给你带来的经验和成长是怎样的？2.你对之后的实习方向、意向公司有什么诉求吗？3.你对我们公司的印象度怎么样？4.如果我们给你发 offer，你什么时候能顺利到岗？5.你现在是在老家吗？6.你现在是在学校还是在家？7.你家住在哪里？8.你目前还有其他在沟通的实习机会吗？9.你对我们公司的弹性打卡时间（早上 9 到 10 点，晚上 6 点半到 7 点半）、本科与硕士的薪酬标准（本科 260 元 / 天，硕士 350 元 / 天，需拿到研究生学生证后才可从本科薪酬转为硕士薪酬）是否接...

1.自我介绍2.我看你也做了两段实习，你在 oppo 面临过什么样的挑战，你当时是怎么思考和解决的？3.什么工具去做了这个 agent 框架？4.你后面打算考虑往哪方面发展？在研究和业务方面你更偏向于哪一块？5.开放题：我看你也做了这么多 LLM 的事情，你怎么看待 LLM 的发展？6.你对这个岗位有什么期待或者说是想做的事情吗？7.dpo 是在其他指标都优化的情况下漏检率上升在可接受范围内，当时的话你针对这个事情是怎么调整或者说去解决并落地的？8.假设后面来这边实习，面对工作安排，你会选择直接独立去做一个项目，还是前期先做一些基础性的工作？9.预期能实习多长时间，以及什么时候能到岗？📳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。

1. transformer 和 bert 有什么区别2. CLIP 中文本编码器的结构是什么样的，输入输出是什么3. 知道哪些微调方法4. 知道哪些正则项5. 知道哪些损失函数6. 评估一张生成图像的好坏有什么指标7. transformer 中的 Q K V 是什么含义8. transformer 变体有哪些9. 讲讲 VAE 的原理，VAE 的变体有哪些10. 模型过拟合有什么解决办法11. transformer 中 QK 为什么除以根号 d12. 现在要为番茄小说的每一章节生成一个图像，可以怎么做，有哪些要考虑的问题13. 知道哪些多模态大模型，具体是如何做的14. 图像风格迁移怎么实现15. 训练时爆显存怎么办代码题是接雨水，力扣第42题原题。面试中并没有问我的项目和论文。面试官人很好，是我太fw了

问题：机器学习在银行信贷风控中的应用场景？回答思路:1.贷前:信用评估与反欺诈信用评分卡:传统逻辑回归与机器学习(如XGBoost,LightGBM)结合，利用多维度数据(交易、行为、农业生产经营数据)预测违约概率。反欺诈识别:使用无监督学习(如聚类、异常检测)或有监督学习识别团伙欺诈、申请资料造假。2.贷中:风险预警与额度管理行为评分与早期预警:基于贷后还款行为、账户活动等实时数据，利用时序模型预测客户风险等级变化，触发预警。动态额度调整:根据客户风险变化和贡献度，利用强化学习等模型动态调整授信额度。3.贷后:催收策略优化催收响应预测:预测不同客户对不同催收方式(短信、电话、上门)的反应概率，优化催收资源分配，实现差异化收。

1.项目介绍2.训练样本大概多少条3.为什么会想在重排做生成式4.如果是做生成式召回应该对模型结构怎么修改5.有考虑用别的强化学习的方法吗6.dpo 的公式是什么7. grpo 了解吗8.beamsearch 怎么做的9.大模型了解多少，强化学习了解什么10.手撕 transformer 并计算 flops 和内存开销📳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。