4.18面的，无手撕，对友友们有帮助的话可以点个赞哦面试官感觉搞传统算法比较多，一直问场景题(比如有两帧图片，一帧人比较模糊但是其他清晰，一帧人清晰但是其他模糊，但是人的位置移动了，请问怎么办)感觉是想从我这看看有没什么点子,我随便扯，利用SNR啥的。。。总共25分钟，面完过了2-3个星期官网看挂了，问了hr还说面评不是很好。我只想说，你6。#虹软##计算机视觉##实习##暑期##面经##算法#

视觉算法实习生-组内做图像生成，拷问了很全面的图像生成知识，记录一下，也方便后续回顾。1.Stable Diffusion的1.x/2.x/XL/3.x 各个版本的区别2.SDXL的双文本信息处理/采样方式的改进/Refiner结构/训练集的多尺度3.Stable Diffusion的结构和各个模块的功能4.VAE的输入输出维度、编解码器施加的约束（量化/patch对抗）5.CLIP的pipeline/loss6.Unet的输入：时间步/随机噪声/条件-交叉注意力，输出：噪声期望7.采样器：DDPM-重参数化/DDIM/EDM8.微调：Lora/Adapter/Dreambooth/Text inversionlora和prompt engineering能否达到相同效果lora的label咋来？BLIP  为什么用BLIP？ BLIPv1v2 区别10.CFG的训练和推理11.Transformer结构：解码器的交叉注意力QKV是谁？12:Vision Transformer结构13.GAN和Diffusion优缺点

江苏分公司4.24 AI面不仅有情景问题，还有行测的选择题。5.8 二面1、自我介绍。2、期望薪资，倾向的工作地点。3、接触过哪些大模型，有没有尝试借助公开发表的大模型利用自己的知识库进行针对性的训练。

4.23面的，对友友们有帮助的话记得点个赞哦讲论文和项目介绍下自注意力机制以及为啥他能提取全局信息自注意力机制复杂度这么高，那有没有办法解决窗口注意力机制怎么处理边界（没答出来）BN、LN区别，以及为什么应用场景不同BN把均值和方差作为变量求导，还是常量来求导？（猜错了）算法题给了个hard  做了半个小时。 Leetcode149。。。。已经挂咯#快手##算法##计算机视觉##实习##面经##凉经##大模型#

总体体验不错，面试官很和蔼，半聊天半提问自我介绍依次讲实习、研究方向、竞赛（面试官：你不要觉得自己的经历和我们匹配度不高就故意讲得简略，这些无关的经历也能反应你的综合能力。QAQ）八股（不分先后）：1. C++ 指针有哪几种有什么用？2. C++ 多态怎么实现的？3. 讲讲进程线程调度算法（只讲了个大概）4. 了解计算机网络吗？（非科班，摊牌说完全不懂，面试官很失望的样子）5. linux 中要看进程线程占用率你会用什么命令（top）6. Transformer 结构讲讲。7. 口述一下快排的做法。8. 了解 docker 吗？（不了解，只知道 docker 是干嘛的）编程题：1. 用 5 个线程来打印 1 ~ 100，另外要求每个线程必须按顺序依次执行。摊牌说不会按顺序的做法，换题。2. 用栈实现队列。写完被面试官说效率太低，经提示后再改进（面试官：你 python C++ 都会那为什么不用 C++ 呢，印象分会高点，寄）。面试体验很好，但应该是寄了。

面试时长五十分钟面试官给提示给的很多体验还挺好但听说B站没hc了

牛客上看到cv算法和AIGC的算法面经比较少，分享一下面经集好运！！3.8面的，鼠鼠的一血，八股没怎么准备，简历也没啥匹配的东西，一天后挂了介绍transformer过拟合怎么解决正则化方式有什么L1、L2正则化区别BN、LN区别单阶段、二阶段目标检测区别什么是focal loss除了yolo还了解过什么检测方法介绍swin transformer什么是注意力机制介绍SEnet代码：最大子数组和对友友们有帮助的话记得点个赞哦#腾讯##算法##计算机视觉##实习##面经#

背景:211本浙大硕，研一，acm铜牌，一篇Neurips在投，之前是做3d视觉的。百度这个岗位其实和我不太匹配，是做diffusion相关的。一面:对方看我的acm经历，认为我代码能力应该没问题。然后聊了聊我的论文，说我研一能发论文已经很不错了，平时应该比较忙。然后得知了这篇论文是我三个月做出来的，表示我上手能力应该比较快，到时候转diffusion应该会很快，并且问我能不能接受转方向。然后聊了聊业务。最后还说看我是acm的准备给我出道难题哈哈。结果就给了个回溯的裸题，直接秒了。对方给的建议是论文还是没有太多自己的contri，但毕竟研一也不要求太高。面完问对方能不能过，对方表示过了。二面推的时间有点长，中间有五一，大概过了两个多星期，我一度以为挂了。二面:聊了聊我的论文，然后问了一些场景题，比如假设到时候做他们方向会怎么做，我理解错意思了，以为是让我直接想方案，最后面试官也是引导我到正确的方向。最后出了一道lc easy。也没强求改进。问有没有后续，对方表示他们流程很快，很快会有人电话通知结果。然后我开玩笑说我上次却等了很久。对方表示中间出了点意外导致招聘流程是他们组内后续推动的。当天晚上hr就加vx，电话oc，第二天就收到了offer letter(确实很快)。总体上感觉面试体验非常的好，感觉更多的是看上了我的背景，也没有考什么技术问题。最后还是感谢百度收留，在我这段找实习期间给了我不少的安慰，期间经历了各种被简历挂一面挂，被怼，每次被打击之后，面完百度都能让我走回正轨😭😭😭。

面的公司:小红书，美团，微信，蚂蚁，高德主要记录遇到的编程题目:1、无重复最长子串2、接雨水3、最大子数组和，限制子数组长度的最大和4、最大子数组乘积5、对称二叉树6、岛屿数量都是力扣原题记录一下，大家有啥要问的也可以评论区留言哈#

小马智行算法日常实习二面随感依旧是正常流程，自我介绍、简历、做题、反问简历还是针对我身份认证的项目问我，而且面试官也不懂，就一直追问，中途叫我去做题了做题，两两匹配，要求和相等，问匹配组数最大值。我看题目n给的很小，我就写个暴力，然后继续问我优化，就一直讨论了，实际上不难，是个easy题。反问问实习生主要做什么工作？介绍了一下感知算法，很多类型的工作可做还有后续技术面吗？没有了，等HR消息印象最深刻的就是面试官的口头禅“好呀好呀”后续，刚面完就约HR面了

一面45min全排列 一个计算题两概率题+项目提问无八股二面 算法题是围棋 dfs 我测试用例过了但是写法有点问题,面试官说不对,一直让我出来...问项目,聊得并不投机,我项目用到rag结果面试官一直说reg?无八股二面过后两天,果不其然,挂

第一感觉像kpi面试官上来没有任何介绍就开始问了然后手撕有点…完全没准备现场手算梯度，写了半个小时，最后激活函数那里的梯度更新还是有问题面完发了笔试通知，但感觉离挂不远了

面试官是做算法服务开发，也就是工程化落地的，但是总感觉他无精打采的样子。全程 35 分钟，能有 33.5 分钟都是让我输出，讲了很多实习项目，但是基本不深入问，点到为止，我就像讲单口相声一样。Intern：B 站和百度实习项目 & 自己的工作 & 个人收获Deep Learning：介绍一下 Transformer什么是多头注意力机制、在模型推理上有什么优势并行训练时如何拆分多头注意力机制Other：有过 Web 开发经历吗LeetCode：字母异位词分组（No. 49）

5.8晚上投递，5.9约面，5.13面完3小时之后oc自我介绍到岗时间，实习时长url -> 展示过程上面提到了回流和重绘，怎么减少回流和重绘flex：1 这里没回答好，随便猜了一下闭包，引出了this指向问题箭头函数的this事件循环浅拷贝、深拷贝vue2和vue3的区别mini-vue响应式实现虚拟列表less和sass区别，为什么选用sass，sass中有用到一些特有的东西吗项目git，开发流程算法题：实现Array.prototype.at反问只有一面就过了，面的也比较简单，感觉是运气太好了本来还有点慌，今天上午hr告诉我offer在等审批，应该是稳了各位如果有在北京有房源或...

一面 自我介绍 大学项目 图像分割与识别 没问 实习 CPU指令加速 稍微问了下加速的原理（SIMD） 毕业后项目 详细问了虚拟窗口通路原理 我干了什么 八股 C++八股文 问我怎么排查越界和内存泄露。加打印，注释部分函数。 排序算法的时间复杂度 为什么会有logn？答分治算法就有logn，归并和快排执行可以看作树，数据数量为n，深度为logn，所以是nlogn。 B+树知道吗？不知道就算了。。。 写题 根据前序遍历序列可以复原二叉树吗？中序呢？两个一起呢？ 算法题：根据前序和中序遍历序列复原二叉树，需自己构造二叉树。5~10分钟写完，不用运行，讲思路。前序第一个是根节点，然后在中序...

5.8 二面简单自我介绍先问了下adam优化器的算法公式，有点忘了糊弄了一下😢然后让我详细介绍项目扯了10min让我讲一些数学求导原理（项目相关）扯下一个项目场景优化题attention块中可以优化哪些地方qkv 矩阵乘优化，kvcache引入后，qkT变成gemm和gemv两种优化softmax似乎也有优化手段，但我答错了面试官让我回去看看flash attention怎么做的问我还会把些优化技术 循环展开问实现原理，考虑读写顺序时该怎么办内存对齐继续问原理，这里面试官说了自己的理解常量折叠，比较简单让我说下一个SOD（struct of data），DOS的使用继续问怎么用，原理，面试官还是觉得我说的不到位，补充了自己的理解。（我猜到他什么意思了，但我觉得我说的没问题）总结有点寄，五天了还没消息，许愿一个offer😢

自我介绍八股（可能遗漏）：1. 讲讲推荐系统流程2. Transformer 位置编码是什么3. QKV 注意力公式为什么除以根号 d4. 简单讲讲 GCN5. 简单讲讲 RNN6. RNN 里的参数是什么样的（答：参数共享）7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？8. 讲讲 BN？BN 训练和推理什么区别？有什么用？9. 用 CNN 把 (64, 64, 128) 变成 (x,y,z)（具体数字忘了），卷积层参数量是多少，计算一下（没答上来）。10. 我看你上过最优化方法？什么问题才是一个凸问题？凸集和仿射集的定义是什么？算法题：LC233（Hard），纯初见，没做出来，勉强讲了一下初步思路。反问：对我有什么建议，答建议提升算法能力，建议多搞点相关度高的实习和项目。言下之意应该是匹配度有点低。全程对面没开摄像头，回答卡住时无引导，面试体验一般。

岗位：游戏AI自我介绍业务场景：    nlp在游戏场景应用（答了npc对话），    聊了反作弊（其实我不太懂，说了一些异常检测，还有规则，聊到了无监督，聚类）    问无监督算法    知不知道dbscan（项目主要是深度学习和大模型，对机器学习的东西没深入了解过）问项目：    CycleGAN模型训练的过程 数据怎么处理的 评估方式    问了Transformer（讲了整个流程，然后细说了attention机制），attention为什么scale，项目怎么微调的，训练用了多少资源和时间。    推荐系统项目问了怎么提取特征，矩阵太稀疏怎么处理    问了Spark，hadoop基础的东西编程题    每k个链表反转（建议我用python写，几行就完了，但我不会用python写算法题，只会c++，感觉以后刷题得c++和python各来一版）最后问了个mysql的问题 总体感受：面试官很好，面试体验很好，希望还有下次

1. 自我介绍，我主要介绍了自己的论文方向的理解跟所作的方向2. 论文背景，论文数据集，数据处理方案，模型思路，模型相对于哪些baseline基于什么指标提升了10%？3. Lora微调原理？4. 为什么全量微调与高效微调效果相差不多，背后的原理是什么？5. 模型推理解码方式？6. Linux命令   将A文件中包含某word的行，复制到文件B中7. 大模型幻觉是如何解决的？编程题：a. 输出最长不重复字符串b. int x的平方根返回整数 leetcode69题反问环节面试官人非常好，就是我答的一塌糊涂