一面 1.实习项目交流2.transformer计算的时间复杂度和空间复杂度，deepseek对transformer主要做了哪些改进?3.为什么要在推荐系统中引入rqvae?4.如何解决坍缩问题?5.对rankmixer了解吗?介绍一下?6.详细介绍一下Moe?优缺点各自是啥?7.训练模型如果loss不稳定，如何解决?8.了解lora 吗?介绍下lora原理9.代码:手撕mha二面1.项目介绍2.bert的预训练任务是什么?3.bn和In的区别?在什么场景使用?4.如果qk变成同一个矩阵会有影响吗?如果一定要变成同一个矩阵，如何解决影响?5.介绍一下帕累托?6.如何挑选特征?7.你对推荐算法中特征工程的心得有哪些?8.代码:实现交叉熵损失

二面 1.自我介绍，问实习和论文2.实习微调过Qwen2，你说说Qwen2的模型结构吧Qwen2相比Qwen1做了哪些改进3.为什么现在 Decoder-only 成为大模型的主流架构，相比于 Encoder-Decoder的架构好在哪里4.讲-下 ROPE ，目目前常用的位置编码还有哪些，ROPE 有什么优点5.为什么有了 SFT 之后还需要 RLHF6.PPO和 DPO 的主要思想是什么，DPO 相比 PPO的 RLHF 做了哪些改进，除此之外还知道哪些 RL算法7. 代码:23.合并K个升序链表

1️⃣一面 1. 自我介绍（开始吟唱）2. attention计算公式3. 项目拷打，特征怎么做的，为什么选这个模型4.多目标学习建模方法5. 共享专家和独享专家的个数分别是多少6. 讲一下transformer的encoder和decoder8. 手撕：N皇后2️⃣二面1. 自我介绍2. itemcf公式，itemcf改进的公式了解吗3.项目拷打，问的比较仔细，模型的参数，数据量等4. MMOE的缺点？PLE的改进点在哪？transformer中用softmax有什么问题呢？该怎么解决6. 场景题：Alice和Bob选数字，偶数A得分，奇数B得分7. 手撕：最长递增子序列的改版8.反问📳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。

电话10分钟1. 什么时候能来2. 实习多久3. 介绍岗位和薪资4. 确定给通知时间

一面 以拷打实习为主，穿插八股算法题 力扣easy二面考了很多偏数理的基础比如考到逻辑回归要做具体推导大模型只是摸了一下考了些场景题算法题 力扣medium三面偏聊天业务理解和开放式场景题没考算法题想问问各位在MPT的大佬这个部门工作环境怎么样，上下班时间我听说是10-9-5？绩效是怎么算的啊 试用转正难不难😭

1.Lora 的相关八股:常见参数、缩放2.有没有做记忆衰退，避免旧数据干扰新任务？3.Deepspeed zero3为什么比zero2更省显存4.训练大模型的框架都有哪些呢5.讲解一下 Flash Attention6.讲解一下 Qwen 的滑动窗口注意力机制，计算量是多少？7.PPO 的损失函数构成。8.讲解一下KL散度。PPO和GRPO的损失函数有哪些区别？9．在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？10．32B 模型全量微调 和Lora 微调的显存估算11．你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？12. human feedback 是怎么被 agent 消化吸收的？📳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。

时长： 1h手撕：Multi head attention面试：1. 自我介绍2. 仔细询问项目，主要是关于大模型3. 问项目是自己的idea还是借鉴的别人的进行复现4. 强化学习中，reward hacking怎么办（改进奖励函数）5. 项目中强化学习训了多少轮

岗位：算法优化工程师。浙江滨江区，大小周，有固定加班。电话面试，所以也没问什么，自我介绍都不用，询问主要用到语言是什么，然后就是八股。1. 线程和进程的区别（1）资源隔离：进程有独立的地址空间和系统资源；线程共享所属进程资源（如内存、文件描述符），仅拥有独立的栈和寄存器。（2）创建与切换开销：创建进程、销毁和上下文切换开销大；线程开销小（3）通信方式：进程间通信需要通过IPC机制（如管道、共享内存）；线程可以直接读写共享内存、但需要同步（互斥锁）（4）健壮性：一个进程崩溃不会影响其他进程；一个线程崩溃可能导致整个进程终止（5）并发粒度：进程是粗粒度并发，适合强隔离场景；线程是细粒度并发，适合高...

我刚开始投的是前开发，后面转到这个岗了。然后问的也是AI跟前端的。大概问了下面这些问题。

时长：1h 面试：1. 主要是对项目进行仔细的询问2. 手撕手撕：给你两个单词 word1 和 word2， 请返回将 word1 转换成 word2 所使用的最少操作数你可以对一个单词进行如下三种操作：插入一个字符删除一个字符替换一个字符反问：1. 工作的具体内容2. 实习生主要做什么

标准的KPI面试，面试官随便问了几个简历上很浅的问题就结束了八股文：DPO、PPO、GRPO的优劣势手撕：反转链表（ACM模式，自己写示例）反问：部门具体业务.....(当他主动跟我说不是他招实习生，是隔壁部门招实习生，他临时被喊过来的时候，我就知道gg又是浪费时间的一天）

1. 介绍上一段实习项目2. 收益是由什么带来的，出价提升是否会导致ROI降低3. loss是list-wise还是point-wise（单点预估的话，是不是模板里面广告位多的list loss更大） c. 如何进行校准4. 了解过哪些推荐网络结构5. 介绍youtubeDNN结构6. 介绍熟悉的loss function7. batch normalization和layer normalization的区别8. batch normalization训练和推理阶段的不同9. 有没有了解过多目标多场景任务10. 算法题：寻找最大连通色块，m行n列的矩阵，每一个元素代表一种颜色，寻找颜色相同的最大连通色块所对应的颜色

时长：30分钟面试：1. 针对Text2SQL项目提问（上来就被发现这是个开源项目了，哈哈哈哈）2. 针对第一个项目提问，问奖励函数的设计3. 大模型有哪些微调方法4. 问python，一个dict如何按照key排序，用的哪些方法5. 对于list如何倒叙查询6. 问Linux下面常见命令的使用，使用哪些命令7. 问tmux，切屏分屏的操作无手撕感觉面试官问得挺细的

1.毕业论文是什么方向？做到什么程度的？>>>无人机项目2.无人机的PX4项目是自己搭建的吗？无人机避障是怎么实现的，详细介绍一下？3.在配置PX4配置环境中有遇到什么问题吗？怎么解决的？4.在你解决版本不兼容这类问题时，你有什么收获吗？5.你在搭建环境时是怎么确保无人机实时状态的反馈信息？6.你的QGC地面站是怎么跟你的无人机以及仿真软件建立通信协议的？7.你提到的复式遥控器跟仿真软件中的无人机之间的通信是怎么建立的，用到的什么通信协议？8.你在做这个模型时，是直接用的项目中的通用的模型还是自己搭建的一套模型。9.你对模型中的一些参数，比如超调量等相关配置有无进行一些相关的调整？因为你在运行过程中他可能达不到你的预期嘛，你是怎么调整它的状态的？10.这里涉及到的避障算法代码都是你自己来写的吗？>>>AI智能体11.详细介绍一下你做的这个项目。12.每一个角色都对应一个窗口，那么这个窗口界面跟他的后端数据库的交互是什么做的？就是他们之间的通信是怎么实现的？13.你对pyqt5中的信号和槽这两个机制了解吗？在你的项目中是怎么做的？14.在sqlite数据库中，如果想创建一个表格，sqlite应该用什么指令？15.如果要更新或者删除表里面的某一行的数据，应该怎么操作？16.谈谈你对ROS1的了解。ROS1和ROS2的区别讲一下。17.深一些的问题，ROS里面自定义消息你接触过吗？讲一下>>>深度学习项目18.讲一下segment anything model 在你的标定任务中是怎么实现的?19.类别标签是自己收到输入的吗？20.有没有对模型进行部署？最后在推理的时候使用PC推理的还是用OS或者是单片机等进行推理的？21.yolo也可以做分割，为什么你只用它做分类，后面还用一个二阶段的网络进行分割任务？>>>实习项目22.详细介绍一下这个项目23.上位机与下位机之间的通信是什么设置的？24.整个软件的功能介绍一下

✅一面 1.针对简历上的实习提问。2.kl散度和交叉熵的关系3.LoRA介绍，和全参sft怎么选择？小模型的sft和大模型的LoRA效果对比会是怎么样的？sft数据集如何构建？4.介绍AUC，AUC表达的是什么？5.recall重要的场景下，如果recall很高，precision很低怎么办？6.precision和recall都是什么，不同场景下precision和recall如何关注？哪个更重要？7.手撕-实现shuffle函数。✅二面1.实习项目介绍和提问。2.对一份数据在某个场景下进行分类/识别/检测，用大模型有什么方法可以做？3.如何对AIGC的文本进行评估？4.幻觉如何解决？真实性如何评估？5.RAG过程中索引可以做哪些优化？6.kl散度表示的是什么。7.反思机制是什么做的？为什么要用反思？8.ppo中kl散度的作用。9.手撕kmeans。10.实现一个简单的mlp，从csv读取数据。📳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。

时长：1h 面试：1. 自我介绍，介绍简历里面没有的东西2. 本科期间的经历，包括实习和科研3. 聊同花顺软件使用4. 一些个人情况5. offer到岗时间6. 介绍公司周围情况

1. 特征工程：如何构造有效的用户行为序列特征？2. 共线性特征处理：L1正则化和PCA哪种更适合广告场景？3. 树模型（GBDT）和深度模型（DNN）的特征重要性差异？4. 模型融合：GBDT叶子节点接入DNN的具体实现？5. 线上指标：RPM和CTR同时监控的必要性6. oCPC出价策略的数学模型？如何控制成本？7. 广告拍卖机制：GSP和VCG的优缺点对比？8. 冷启动广告如何分配流量？（Bandit算法实现探索）9. 点击率预估模型如何应对刷点击作弊？（负样本降权+行为建模）10. 多目标优化：如何平衡广告收入和用户体验？11.Top-K频繁查询（堆+哈希表）12. 手写双塔模型的损失函数（Batch内负采样实现）

1. 广告实习介绍，问的比较详细2. 广告常用的精排模型有什么？3. 介绍下多任务模型mmoe4. 介绍一下深度学习中的dropout5. 训练和预测过程中dropout设置方式，跟训练保持一样，还是随机选择一些节点丢弃，还是有其他方式6. 神经网络训练参数初始化方式，分别会有什么问题7. Layer Norm和Batch Norm的区别8. 梯度爆炸和梯度消失是为什么，如何排查，如何解决9. 介绍一下自适应学习率的算法10. 集成学习中的bagging和boosting有什么区别，分别选择一个代表算法进行介绍11. 代码题 LC 编辑距离

时长：45分钟面试：1. 针对项目提问，问细节代码：给一段深度学习代码看懂，并且找出错误反问：1. 之前的实习生发过论文吗？2. 卡的数量足够吗？