岗位-仿真开发工程师1. 2025.08.28 投递2. 2025.09.03 笔试3. 2025.09.25 一面a. 面试官进错会议了，我等了15分钟b. 自我介绍c. 实习经历拷打d. 针对实习经历提问一些开放性问题e. coding（python 的一些操作的运用）f. 反问g. 整体体验秋招来最差，不开摄像头，炸麦听不清他说话，打断我说话4. 约2025.09.28 二面

1.面试官先介绍了一下业务2.自我介绍3.简历问答4.这个其实是在3的过程中问的，包括:碰到的难点，解决方案，然后强化学习的那几个算法的区别5.链表排序，但是被我说思路说着说着最后写了一个归并排序这里面我还一紧张，一直在那里说二分查找是排序哈哈哈哈哈笑死我了，面完回想也是挺扯的，我也不知道为啥我当时就一直觉得二分查找是排序😖

时间线：0724一面-0806二面-0821HR面一面：1.自我介绍(3min)2.实习经历1(30min)(1)BEV feature的共享情况，FPN的共享情况，BEV encoder细节，BEV范围和分辨率(2)Occ head细节，可见不可见，语义类别，0.2m的分辨率，对路沿不友好（设想过分辨率不均匀的BEV feature）(3)Sparse Occ OPUS的方案设计初衷（后面要改成pillar级别的预测对悬空障碍物不友好）(4)OPUS详细的结构，按照原论文的介绍，coarse to fine模型结构+Loss；后续自己有哪些改进(5)是否上车，BEVFormer部署的问题，下游使用情况3.实习经历2(20min)(1)一阶段检出2D框如何构建proposal，二阶段细节，BEV 的cross attention(2)红绿灯能检出多少米，耗时情况，之前的方案是怎么样的(3)数字灯读秒怎么加的，效果怎么样(4)车道级效果怎么样，具体说一下如何与车道线proposal交互4.代码题（10min）(1)求两个旋转矩形的iou，让说思路，写伪代码(2)先说的如果可以得到四个交点，直接用鞋带公式，然后让我说如何求交点，说怎么分情况讨论（一个矩形在另一个矩形中的角的个数分为0，1，2，3，4，分这些情况求交点）二面：1.自我介绍(3min)2.根据实习经历提问(1)端到端大模型的理解，一段式/二段式，基于BEV的模型(2)时序融合方式(3)Occ真值标注流程，Loss，focal loss， smooth L1 loss(4)多头注意力中的多头，每个头(5)红绿灯方案，一阶段二阶段细节，物理灯逻辑灯设计逻辑，红绿灯为什么要BE3.实验室研究方向(1)脑电现状聊了聊4.反问(1)业务、侧重点、base地员工分布

岗位-仿真算法工程师1. 2025.08.28 投递2. 2025.09.08 收到面试链接，时间冲突改到 09.11  一面a. 面试官先介绍流程b. 自我介绍c. 聊数据驱动动力学实习经历d. 聊参数化动力学实习经历e. 聊端到端泊车项目f. 手撕岛屿数量g. 反问h. 全程非常愉快，面试官人很好，无八股，全是项目上的探讨i. 第二天通知过了3. 2025.09.15 二面a. 面试官介绍流程b. 自我介绍c. 实习经历（30min，主要深挖细节）d. 如果把你做过的内容放在我们公司，你觉得会有哪些新的挑战，该如何面对（还有些其他的问题）e. 手撕（用vector实现queue），要求push, pop都是 O（1）复杂度，边撕边问如何进一步优化，然后再修改，然后一边问八股f. 总时长60多分钟，总体很愉快g. 第二天通知二面过，约三面4. 2025.09.23 三面a. 自我介绍b. 拷打实习经历c. 根据实习经历问了很多开放性问题d. 反问e. 无八股无手撕f. 当晚通知三面已过，约 hr 面5. 2025.09.26 hr 面a. 自我介绍b. 说说我的实习经历c. 实习期间最有成就感的事情d. mentor，leader实习过程中如何评价自己e. 对卡尔的看法f. 反问

1. 先做个自我介绍吧，可以结合你之前的工作经历聊聊。2. 你对 SFT（监督微调）中的 scaling law 有了解吗？在实际训练中，你遇到过哪些比较大的困难？3. 在模型训练时，如果发现 advantage 或者 loss 突然变成 0，一般可能是什么原因导致的？4. 在构建 AI Agent 时，它的记忆（Memory）机制通常是怎么设计的？5. 当模型出现 bad case 时，你一般会怎么分析？后续会采取哪些措施来改进？6. 如果需要为特定领域的文本训练一套 Embedding，你会怎么做？7. 聊聊你实习时团队的组成和分工吧，大家是怎么协作的？8. 你对大模型分布式训练的底层了解...

9.25 一面 30min（1）论文的研究内容和创新点，具体讲讲是怎么实现的，怎么不发顶会（2）介绍大模型项目的研究内容，ViT的原理（3）介绍目标检测领域（我的课题方向）的研究进展，有没有关注CV领域的进展（4）最近有关注大模型最新的研究进展吗，介绍一下，有没有关注过生成式、Agent等等相关的（因为我的方向不是大模型的，只是之前接触过大模型的一个项目，所以这些都没咋了解过，不过这些应该是部门目前跟进的一些技术）（5）为什么选择成都，你会来这里长期定居吗，有收到offer吗等等（6）手撕代码（一道回溯简单题），整场面试必须限时在30分钟内，所以留给我手撕就几分钟，面试官看我读完题就直接让我说思路，然后还剩下一两分钟让我快速写一下代码，写一半就提前叫停了，感觉没咋撕好（7）反问业务（视频图像去噪处理、语言图文多模态大模型等等，感觉和图像智能解译和下游任务没啥关系）面试官似乎对大模型非常感兴趣，但我接触的极其有限，回答的比较模糊，等结果吧。。。

数据驱动算法工程师1. 2025.08.28 投递 （数据驱动算法工程师）08.29 （评估中）2. 2025.09.04 笔试3. 2025.09.10 一面1. 自我介绍2. 介绍下项目3. 对比我两个项目，一个是传统动力学，一个是数据驱动动力学，说说如何看待二者差别4. 介绍下项目中用到的模型5. 然后就是聊项目，聊了半天6. 反问7. 无八股，无手撕，整体很愉快09.17二面，面试官出差，推迟到10.10,,,,,,,,,

阿里的面试都会深挖和细问，但是面试官很面善，交流还算通畅 值得记录都问题：深拷贝和浅拷贝的区别知道序列化和反序列化吗讲一下你所了解的transformer为什么要用多头怎么评判多头学习的有效性矩阵相似度怎么计算为什么要用LN了解大模型AI或者做过吗 代码题：目标和

一面详细挖实习项目，详细讲论文这年头愿意听我讲nbcs领域论文的面试官太难得了问了下强化算法落地中的一些经验，此外没有八股手撕是力扣简单，判断字符串是否可以由words拼接而成，dp，但是要求时间复杂度优化，我从n方大幅优化到nk，收获一个白眼两天后二面问题和一面基本上一样...八股还是和rl相关的。还问了个agent框架了解吗？不手撕

自我介绍深挖简历你的场景如何调整各个loss weight？（实际是在问一些多目标融合的东西）如何解决用户分发点击不一致的问题？介绍一下MAML的训练方法假设一个批次内只有一个任务A，有一个初始值a，a在任务A德训练集上梯度下降一步，得到任务A的最优参数a1，根据任务A的测试集，计算损失对最优参数a1的梯度，将这个梯度平移过来作为损失对初始值的梯度，沿着这个方向梯度迭代一步，得到初始值a的新值a2除了元学习，你了解的针对冷启的方法还有哪些？对召回了解多吗？介绍一下几个主流的模型代码：最接近的三数之和，反转链表并打印出来

阿里1面 1.问实习项目。2.项目上线前的评价指标？ RAG 子模块的评价指标？3.八股：过拟合原因？有什么常见解决思路？4. 模型训练的显存估计？由哪几部分组成？除了 Model States 之外还有哪些显存占用？·5.造成多模态大模型缓解的原因？现在常见的缓解思路。6·场景题：识别图片并生成商品描述，会怎么做？7.如果这个产品 MLLM 压根没见过，怎么办？8. 手撕：二维矩阵，里面全是0/1，找联通1联通量的数量。阿里2面1.项目经历2.模型的 loss 函数前乘以10，会对训练造成什么影响？3.deepseek v3的 rope 实现？ deepseek r1的训练过程？4.做过 rag 是吗？介绍 graph rag ?5.bge 和 gte 模型怎么训练的？为什么不能直接用 bert - base 来做余弦相似度召回？6.对比学习的常用 loss 有哪些？ InfoNCE 的超参数？温度系数对训练的影响？7. gradient checkpointing 原理？ gradient _ accumulation 原理？8.多模态大模型的预训练原理？预训练一般分为几个阶段？ ViT 现在一般用什么方法进行预训练？9. 手撕：梯度下降求平方根。

1. 在做负采样时，如果遇到像“收藏但未点击”这种特定负样本数量远超其他类型的情况，你会怎么处理？2. 多任务学习里，怎么判断模型是否出现了“跷跷板”问题（即一个任务指标提升，另一个下降）？3. 对于 MMoE 模型，怎么去评估里面每个 expert 的学习效果，判断它们是否有效？4. 在 MMoE 中，如果“点击”这类主任务把 expert 带偏了，影响了“点赞”、“收藏”等次要任务的学习，有什么办法可以平衡一下吗？5. 在推荐场景下，会考虑做数据增强吗？有哪些常用的方法？6. 设计多任务学习的损失函数时，各个任务的 loss 权重是怎么确定的？会动态调整吗？7. PLE 模型相比于 MMo...

一面  9.25八股linux的进程内存模型redis是单线程还是多线程，为什么性能好，有没有了解过多路复用。介绍下协同过滤算法，有没有了解过特征工程。有没有接触过微服务之类的工作，介绍下。手撕代码，快速排序，轻松ac最后问，如果通过了，什么时候可以到岗。小结：感觉一面有了？

自我介绍数据规模多大 用户侧item侧数据有多少采样的insight，怎样采样更合理为什么负样本比正样本算是比较多的收藏是万分位的，收藏也做了负采样吗对于收藏有两种负例：曝光未点击和点击未收藏，怎么处理的？采样是uerid粒度的还是itemid粒度的？讲解ft-transformer 原理较transformer的改进怎么分桶 分桶的数量怎么定transfomer吟唱手撕：二叉树非递归中序遍历手撕attention

点击负样本降采样，那收藏等负样本更多，如何做如何判断出现跷跷板问题如何评价mmoe模型各个专家的学习效果mmoe，点赞收藏被点击带偏，如何平衡怎么做的样本增强Loss权重的改造ple较mmoe的改进为什么多层CGC，目的是什么除了auc，还有哪些评估方法，如何选择交叉熵损失函数公式写一下如何缓解样本稀疏问题esmm共享特征table具体怎么做的讲解一下lstm原理，三个门控，和RNN对比lgb原理手撕：二分法求sqrt（x）给一个未排序的数组，返回最长的递增子序列（就是最长递增子序列改进版，新加一个数组来储存前一个的index）

1，介绍RAG流程，分段有没有做优化；编码模型和重排模型用了什么；Qwen3系列和bge系列的原理，Qwen3系列编码模型是怎么训练的2，RAG怎么评估，用了哪些指标；RAGAS有哪些指标，为什么不直接用库3，Agent的思想是什么，Agent包含哪些部分；介绍DeepResearch；介绍Agent怎么做任务规划和问题分解4，SFT数据集怎么构建，问题不够多样化怎么解决5，介绍LoRA原理；LoRA分支怎么初始化，为什么这么做6，self-attention公式；为什么要scaling7，介绍KV Cache；vllm是怎么加速推理8，RLHF，介绍PPO，包含多少个模型；GRPO与PPO的...

值得记录的问题：如果把粗排去掉只留召回和精排，收益会大吗召回目前使用的一些技术手段transformer八股吟唱如何选择损失函数如果把MSE用在分类问题中会怎么样讲一下KL散度和交叉熵的关系 算法题：self attention交叉熵公式把一些井盖往一个深度不规则的井里丢，当井盖直径大于某个井深的直径时可以放进去，问最后一个井盖放置的位置

1. 我们来深入聊聊你做的项目吧，挑一个你最熟悉的讲讲。2. 你了解大模型的微调方法吗？比如 SFT、LoRA、PPO、DPO 这些，能分别介绍一下吗？它们各自适合用在什么场景？3. 大模型经常会出现“幻觉”问题，你了解吗？有什么办法可以缓解或者解决这个问题？4. 我们来聊个场景题：如果想把大模型应用到搜索或者推荐系统里，你觉得可以怎么做？有什么具体的思路吗？

1. 主要问项目经历2. 特征工程细节，例如搜索词特征有没有做优化？序列特征怎么处理的？textcnn和attention区别？会一直深扒下去问的很细3. 数据采样优化细节，用模型预测法降低负样本噪声率时对潜在的hard_negtive的影响？（快手也问了这个），做样本优化时几版上线实验的效果，很喜欢问一些线上指标实验指标类的。4. 指标优化的时候有没有考虑到eCPM，这个没听说过后来发现是广告算法的一个指标。5. MMoE和PLE的区别6. Transformer吟唱，为什么除根号dk7. 聊一聊平时优化的异常case 手撕：hot100 二叉树的层序遍历屏幕共享力扣