题目1：最长递增子序列

小厂1：大模型算法偏agent应用（12.11）说什么和某六小龙有战略合作，所以面试官是某六小龙的主要是问简历项目1.训练数据，有没有做数据处理与增强的工作2.词表怎么训练的3.量化的结果是什么4.在什么机器上训练，时间，数据量大小5.rag中怎么做的pdf解析，对pdf里面的图片，表格数据怎么处理的，怎么编码的，检索，召回的时候都做了哪些操作，混合检索的时候的权重怎么处理的，有没有消融实现对比6为什么要sft，sft的数据有多少，sft后的效果有没有对比7.sft与rag对比8.grpo和dpo对比9.agent方面有哪些了解反问，目前在做什么业务下午面完晚上约二面某初创公司：大模型算法基座模型（12.12）1.你导师是谁（绷不住了）2.有没有考虑过词表的大小对模型表现的影响3.最影响模型效果的是哪个部分4.文本编码器用的什么，有没有尝试过更新的方法5.有没有对模块这部分设计消融实验评估对性能的影响6讲一下dpo，ppo，grpo的区别7.介绍了一下他们公司主要做的一个东西，问我对这方面有什么了解8.一个力扣easy反问，如果我来会加入到哪个部分

1.为什么要用 decoder架构为什么不用甬encoder-decoder(每次被问到回答不太好，onerecvl用的e-d,v2用了gqaattention 的 decoder, flops才降很多没用的反而 flops超高，所以也不好说 decoder only 能节省计算资源)2.输入是什么样的?会不会出现序列长度很长的问题3.ra vae 四层码本能否确保唯一性?训练过程有没有出现码本坍塌(每次我会说rqvae是其他团队训练的但是还是会问我训练细节，只能说·些理论上我知道的)4.dpo loss 是怎么优化的为什么不用 ppo5.原始的多模态表征和 id 表征是怎么联合训练的 表征的参数是更新的吗6.预训练阶段的两个 1oss 是什么7.是怎么解决收敛速度不一致这个问题的代码题给一个先升序再降序的数组，求最大值的下标

题目1：乒乓地址寄存器模拟题目2：逆波兰表达式求值题目3：倍数个位数字之和题目4：推塔游戏胜负判断

八股文: 1.为什么图像要划分 patch，对应物理含义，对比联系 nlp 文本2.不同 loss 应用任务场景，解释 loss 怎么算3.lora 原理，初始化，为什么，对比 sft4.图像分割任务数据少，不同场景数量不均衡怎么解决，过拟合欠拟合，怎么解决，除了加数据呢，除了改loss 呢(还说了数据增强)5.训练网络过程的一些优化6.batchnorm和layernorm 区别，为什么用，在哪里用7.attention 及其变体原理，cross attention 的 qkv 来自哪里8.其他的记不太起来了，都是基于简历和组内业务的延伸好像，总结来说都不难，简历拷打内容:1.自述最得意的 paper 和实习*1，你觉得你做得最好的一点在哪里,2.期间穿插模块细节询问，实现手段，觉得有什么问题，怎么改进，3.询问自己做的一个小 demo，各个模块设置的动机，然后开始压力我

1.算法题:322.零钱兑换2.实习项目相关1.一价计费满足激励兼容吗?2.GSP 和 VCG 中的效用和社会福利分别代表什么含义?3.regret net 如何保证激励兼容?4.扰动的范围对结果有哪些影响?5.如何设计机制来保证激励兼容?6.机制设计经历了哪几个阶段的模型发展?DeepGSP是怎么做的?7.DNA 为什么要用 MIN-MAX 网络?8.广告主的出价模式是什么?3.八股:1.transformer里使用了什么激活函数?2.为什么要用 relu?3.relu 有哪些缺点?4.GPT 中用了什么激活函数5.transformer的 attention 中的 QKV 是一样的吗?

题目1：合并K个升序链表

1.项目介绍2.LoRA 和 Prefix Tuning的区别?在什么场景下选择 LoRA?3.如果要用 LORA 做电商推荐场景的微调，你会怎么设计数据和标签?4.GRPO 和 PPO 的区别在哪?GRPO 的优化目标函数怎么写?5.搜索中 RAG的向量检索会受到长尾商品影响，你会如何缓解?6.如果商品知识库实时更新，你怎么保证 RAG的召回结果和库存一致?7.Reflection 机制里,如何判断一个 Agent 的失败是由知识缺失还是工具调用错误引起的?8.Toolformer 中通过自监督学习生成 tool call 数据,这个训练范式和 RLHF 的差别在哪里?为什么它更容易泛化?9.语义歧义(如“苹果”既是品牌也是水果)在搜索链路中通常怎么建模?多义词消解和上下文建模的核心方法分别是什么?10.算法题:实现 LRU

1. 先做个智力题说活跃一下大脑十袋金币里9袋真1袋假，每袋5个币，真币一个10g，假币一个9g，现在有一个电子秤，问最少称几次能找到那袋假币，怎么称。提示袋子里的金币可以拿出来，一次就可以2. 手撕翻转二叉树用的递归 问层数很深时存在有什么问题 然后用迭代做问时间空间复杂度 纠正了一些代码格式上的问题和可以简写优化的点3. 自我介绍4. 八股java和python有什么区别为什么有的python10行写出来但java要100行python不用考虑数据类型的优缺点为什么说java是编译预言python是解释性语言git用来干嘛 基于什么实现

题目1：木材切割最大价值问题题目2：字符替换相邻不同计数问题

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

八股 1.交叉熵损失函数公式写出来，问意义，然后在二分类下的格式2.sigmoid公式写出来，问了几个性质3.问是否熟悉XGBoost，随机森林，都不会。面试官好像很想问这个领域的八股手撕1.做代码题的时候要求先讲思路，然后再打代码实现2.Leetcode hot100之三数之和，三指针做法3.Leetcode 经典dp之打家劫舍I，环形打家劫舍枚举第一间4.梯度下降法求x的平方根，不能调包，用迭代法自己推公式，要求输出迭代过程并看到收敛

题目1：最长连续序列

面过十几次，这是体验最差的一次。面试官态度很差，非常无礼。自我介绍的时候说到后端直接打断。询问agent项目定位基模是什么？我一开始没反应过来基模的意思，多问了几遍，他态度非常不好，也没有解释，一直重复基模这两个字。agent怎么测试？了不了解工业界测试方式？对大模型有什么了解？大模型thinking模型为什么更好。大概就问了这些，全程时不时打断我的回答。在我思考或者回答的时候很不耐烦的打断，然后问另外的问题

被问 emo 了，项目里的 ai 项目问的太深了，搞得问我一半都不想面了。。。。包凉1.项目狠狠拷打，emo2.jdk 静态代理如何实现3.timestamp 和 datetime 的区别4.垃圾回收器 g1 和 cms 的构成5.nginx 的配置文件6.ai 提示词的要点7.java 如何实现序列化问的太 tm 深了项目，直接问的我头大

1.项目介绍2.挨个介绍论文项目，基本上每个都讲了一遍。3.第一个论文问了，你觉得这个工作后续有没有什么可以改进和拓展的点?这是关于单轮检索的benchmark，我说可以拓展为多轮后续和agent结合在一起。4.第二个论文的时候问了其中的对比学习的loss，问这个方法可不可以用dpo去做?有没有r的经验?做过哪些实验?mini batch和global batch分别是什么意思?通过什么指标去看grpo训练是否稳定?调参过程中有什么出现的问题嘛?有什么难调的参数?5.开源项目问了，准备数据的时候如果问题很难模型一个都答不对该怎么做?如果问题很简单，对模型太简单该怎么做?如何得到合理的数据来支撑模型的sft/rl?6.关于团队:主要偏向业务的模型对齐，验收的指标是在benchmark上测，业务优先，发paper为次但是鼓励做论文。

项目: 1.项目中BM25原理是什么，相对于TF-IDF改进在哪里，公式是什么?2.这里为什么要做混合检索，Sparse检索和Dense检索的原理是什么，相似度度量是什么?3.Reranker模型如何构造数据微调4.讲一下你Ouery改写的创新点，有没有读过相关的论文八股:GRPO损失函数是什么，这个公式每一部分的作用是什么，为什么要这样设计手撕一道合并去重数组，1c上没有

项目 1.这里为什么使用GRPO而不使用DPO，说说两者区别，损失函数是什么?2.介绍你的奖励函数是如何设计的3.一致性奖励函数这里的logprobs的作用是什么?如何评估语义一致性4.这里的聚类方法是什么?为什么不使用kmeans或者层次聚类5.说说生成熵和KL散度6.这里如何使用熵调整奖励八股1.多头注意力机制，为什么要多头2.讲讲lora3.lora初始化如何做?为何是这样做手撕:最小路径和

1.项目相关2.mmoe的结构是怎么样的？​3.输入特征构建4.召回阶段了解哪些深度模型？5.粗排阶段是必要的吗？​6.share bottom 和 mmoe的差别？​7.DIN是什么结构？除了DIN，还有哪些方式？SIM是怎么做的？​8.emb层和mlp层什么区别？9.双塔模型正负样本怎么选取？选取的规则​10.有没有微调过大模型？微调大模型的方式有哪些？11.LN和BN的区别？​12.transformer吟唱​13.大模型吟唱​14.开放性问题推荐与大模型的结合​​手撕1.​注意力机制​2.两种损失函数​3.搜索旋转排序数组