1. 怎么解决LLM幻觉问题2. DPO 训练的过程是怎么样的，正负概率怎么算3. MOE架构原理4. RAG如果有噪声怎么办5. 最新强化学习技术了解什么6. Deepseek GRPO，讲讲原理和之后的改进7. 召回索引怎么优化8. 意图识别LLM输出格式不好怎么优化9.代码：三数之和10.总结：面试官很看重项目部分

1.项目介绍2. RoBERTa做了哪些改进3.什么是ROI2？什么是增量推广4.怎么构建负样本的5. PLE之后的多任务模型还有了解吗6.指标对比baseline提升主要来自于什么7.模型拆分前后的结构变化8. MMOE、PLE的区别9. Uplift 模型长什么样？它的输入输出是什么10. AUC 算方法两种；写公式就行11.反问：组内工作

📳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.做了哪些工作2.AUC、AUUC、GAUC 的定义是什么3.新模型灰度测试指标不稳定，这时候负向如何理解4.模型经过离线哪些验证之后才上线的5. Transformer对比RNN、LSTM有什么不同6. .bes的数据有多少？大概扩充了多大的比例7.召回的两个塔是什么塔8.你怎么构建 ANN 索引的？ANN 的基本原理可以讲一下吗？普通负样本是什么？正负样本比例是多少？讲一下DIN？为什么用 softmax 会让效果变差9·多目标模型的优缺点10·了解 OneRec 吗11. 详细讲讲CrossNetwork的结构以及它的特别之处12. code :Ic206反转链表

1.项目介绍2.Qwen- VL 的训练流程是怎样的3.讲一下大模型的训练流程，多模态大模型的视觉特征传递给 LLM 都有哪些方法4.ViT 一般怎么预训练5.多模态 RAG 介绍一下6.对于不同形状的图片或视频，位置编码怎么设计7.在 ResNet 或者 Transformer 中，残差连接的作用是什么，展开讲讲8.开放题：大模型在训练和推理的时候显存不够，有哪些优化方法9.代码：215．数组中的第 K 个最大元素

1.项目拷打2.谈谈传统搜索算法和RAG的理解3.了解ReAct架构吗4.介绍一下self attention吧5.介绍一下MHA6.了解KV缓存吗7.了解MHA的变体吗8.了解MLA吗为什么大模型结合RAG会出现AI幻觉的现象？你怎么看？怎么解决？9.了解PE优化吗10.了解dpo和PPO吗11.开放场景:如果你有一个待优化的模型和一堆query，你怎么利用PPO来优化模型？📳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.介绍第一个项目2.为什么选择对embedding维度进行降维?以及是如何进行降维的?3.有没有考虑加入更多的特征?4.手撕 attention5.Attention结果为什么最后需要接一个全连接层再进行输出，作用是什么?6.如果改成多头注意力怎么修改?7.第二个项目的拷问8.了解目前工业届的召回方法吗?9.双塔召回和 embedding召回有区别吗?10.介绍一下你知道的排序模型11.负迁移和跷跷板问题如何解决?12.对梯度进行干预的话和给不同任务的loss分配不同权重有区别吗?13.神经网络权重初始化为0的问题?14.Dropout层以p概率失活，在进行测试的时候如何修正?15.除了前面这些排序模型，还了解其他最新的吗?16.新用户和新物品的冷启动问题?

1.实习介绍2.项目拷问3.你知道哪一些特征融合的方式?4.为什么采用余弦相似度来度量向量之间的距离?5.了解哪些相似向量的检索方式?6.项目的后续优化方案?7.解释-下 scaling law?8.介绍一下当前在看的一篇论文?9.介绍这个模型的结构，以及这篇论文解决了什么问题?10.介绍一下AUC的含义，以及代码的实现，分析代码时间复杂度?11.在代码界面写一下第一个项目所采用的损失函数?12.写一下交叉熵损失函数?13.Logistic regression 参数可以采用全0初始化吗?为什么?14.两个矩阵相乘，加法次数与乘法次数?15.手撕代码:删除多余空格:输入list[char]，输出list[char]。需要删除首尾空格，每个单词之间的多个空格保留一个。原地删除，空间复杂度为O(1)。

1.自我介绍＆项目深挖2.针对 RAG 项目3.使用的 Embedding 模型结构是什么？输出向量维度是多少？4. Transformer 更新哪些参数？5.如何缓解大模型的幻觉问题？6.请描述 Transformer 的基本结构，并解释自注意力机制。7.输入向量的维度是多少？8.LayerNorm 是对哪个维度做归一化？9.你了解哪些微调方式？10.如何优化大模型的训练和推理效率？11.Prompt Tuning 和 P - Tuning 的区别是什么？12.如何让大模型处理更长的文本？13.代码能力考察:请手写反转链表。📳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. 实习介绍2. 介绍一下第一个项目3. 如果有一些其他特征，怎么融合入模型中4. 对图召回了解吗5. 对排序模型的了解6. 如果要对点赞率，转发率等指标进行预估，你会采用什么模型？7. Bottom shared模型和PLE模型的区别8. 解释一下负迁移和跷跷板问题9. 如何缓解跷跷板问题（其他角度）10. 粗排模型如何训练的更好？11. 粗排的样本选择和精排有什么区别？12. 用户冷启动怎么解决？13. 了解强化学习吗？（面试官应该是想让我从探索与利用方面来考虑冷启动）14. 手撕：Leetcode 59 螺旋矩阵15. 反问：业务范围

简历介绍 拷打论文和项目目前大模型架构有哪些?怎么把大模型与推荐结合?PPO， GRPO针对目前PPO和GRPO存在的一些问题询问如何解决，其实就是拷打DAPO，好在之前刷到过看了一眼代码:MHA手撕

1.实习介绍2.描述数据集3.负采样后损失信息该怎么办4.focal loss5.特征重要性有没有看过6.序列建模7.用了几层 dcn,为什么，dcnv1有什么问题?和fm相比?具体复杂度8.还有哪里可以优化的?position encoder?9.另一个项目拷打10.mmoe和ple，为什么ple要怎么做，还可以怎么解决跷跷板问题手撕:(1)lc53最大子数组和;(2)给出一个线性函数y=wx+b，写出其迭代过程

📳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。

AI工程研发工程师-长沙，面试时间大概20分钟，面试官人很温柔，我好多不会，我好菜呀。面试环节：1. 自我介绍2. 说一下对多态的理解3. 创建线程的方式有哪些4. 实现runnable接口和实现Callable接口有什么区别5. 并发的情况下，如何在保证安全的情况下，修改变量6. 加锁有几种方式7. Synchronized原理8. 说说Lock9. ThreadLocal作用10. SpringCloud有哪些组件11. 用过吗12. 详细说说注册中心13. 原理是什么14. 详细说说Ribbon15. Spring循环依赖16. Spring事务17. 事务的 ACID 特性18. 说说java的集合19. HashMap如何查找数据20. 哈希冲突21. 说说简历的项目（魔改的黑马点评）22. 查找店铺，从前端到后端流程是怎么样的23. 店铺的表你是如何设计的，有哪些字段24. 表里面有索引吗25. 项目里redis用在哪里26. 优惠券防止超卖，这个锁是如何实现的27. redis的数据结构28. hash是怎么用的，比如价格要更新，如何更新29. 项目有什么难点30. RabbitMQ说一下31. 消息丢失、重复，如何解决32. redis的有序集，如何排序反问环节：公司业务多久出结果

实习继续拷打八股1.UserCF 和 ltemCF 的核心区别是什么?从用户侧的体感来看，两者带来的推荐结果会有哪些不同?2.对 BERT 有了解吗?可以简单介绍一下它的结构和核心思想吗?3.了解自回归任务吗?EncoderDecoder 呢?GPT 呢?讲讲encoder-only,decoder-only,encoder-decoder三者之间的联系与差异。4.DIN、DSIN、DIEN这一系列是不同团队还是一个团队搞的?谁提出的?这一系列演进的核心驱动力?5.从 MMOE 到 PLE，这条路线的发展方向是什么?它们分别想解决哪些问题?在 MOE 思路出现之前，多任务模型一般是什么样?在 Share-Bottom 之前又是什么样?6.对推荐系统中的重排模块了解哪些?7.科研项目:任务定义、应用8.手撕:LC 25.K个一组翻转链表

实习项目拷打1.目标如何确定、正负样本定义、特征维度、特征重要度分析、特征处理评估方式(离线、在线)、打分融合方式2.如果直接把这些特征输入到一个 LR或其它简单模型做融合，和你现在的模型相比效果差距大吗?3.相比 LR 这样的线性模型，MMoE 的优化优势体现在哪里?4.设置了几个专家?不同专家数对比现在设置的专家数diff有多大?5.有没有尝试过简单的 MLP?在你的任务场景下，使用 MMoE 是否真的有必要?6.离线模型有没有对DAU的提升纳入到预估目标里面?为什么选择这样做或不这样做?7.手撕:LC 124.最大路径和

(1) 实习项目1.整个面试主要还是围绕实习项目展开，项目细节都有被问到。2.然后是组内推荐的完整链路3.召回：有哪些路？有没有做用户分层？4.粗排：有没有做物料保量？多样性、类别不平衡怎么处理？5.精排：用了什么模型？PPNet 的域有哪些？用什么规则来分域？(2) 八股1.MMoE / PPNet 建模方式、跷跷板现象怎么解决、哪些模型能解、为什么能解决；2.ESMM 的原理、它解决了什么问题、样本选择偏差为什么会出现；ESCM2建模方式3.DCN 以及 DCNv2 的改进点；4.DIN 有没有实际用过。(3) 手撕1.Self-Attention；2.SQL：给员工表（id, name, salary, 部门 id）和部门表（id, name），找出每个部门3.薪资最高的员工；如果不是最高，而是要求输出前两个最高的呢？

1. 实习介绍2. 介绍一下项目3. 项目的细节拷打，一直追着问，问还有没有更好的模型4. SID的训练损失函数5. 损失函数可导吗6. SID有什么缺陷呢？怎么解决7. 手撕1：爬楼梯8. 手撕2:岛屿数量

1. 实习介绍2. transformer为什么比RNN好，有没有scaling law3. 介绍一下新闻推荐的项目4. 新闻推荐比赛的正负样本怎么确定5. 了解生成式推荐吗？6. SID如何训练的7. Tiger为什么不采用decoder-only的形式呢8. 手撕：接雨水