1.实习介绍2.讲讲hstu3.讲讲transformer encoder4.端到端生成式推荐面临哪些挑战5.讲讲DIN 和SIM6.SlM中hard search和soft search的优劣7.attention公式以及计算时间复杂度8.为什么使用pairwise的交叉熵不用pointwise的交叉熵9.讲讲交叉熵公式10.数据标注准确度和选取数据时多样性存在的一些问题要怎么解决11.手撕:三数之和12.想在本次实习收获什么13.反问

1.数组拼接2.对数运算信噪比公式推导3.最短路径算法

自我介绍，挑一个项目讲，langchain（核心模块，中间件，langchain 是干什么的，都比较基础），django（orm，视图，中间件），Python（装饰器，可变对象和不可变对象🌚，基础数据结构），了解什么算法嘛（传统算法或者其他的都可以，我说我一时间想不起来，希望面试官举个例子，然后面试官说冒泡，讲解了冒泡的原理（吓死我咧，我真不知道这里的算法具体指啥）），对数字马力的认识，手头 offer，期望薪资。反问：问具体业务，不能说，有几轮面试，三轮（好奇，为啥第二轮问薪资），大脑宕机，说没有了😭

1. 自我介绍2. 平时有接触过什么多线程3. 说下五个核心参数4. 任务队列满了该怎么做5. 平时有过sql调优的经验吗6. 讲讲MVCC7. 实习经历的黑名单怎么做的8. 为什么要用这两种数据结构9. 有遇到过redis高延迟的现象吗10. AI项目里，生成流程优化是怎么做的11. 权限校验怎么做的12. 提示词你平时是怎么优化的13. 你怎么判断提示词的质量呢14. 你的AI项目怎么管理下上文的（记忆存储）15. 你怎么测试你的AI生成的质量呢16. 场景设计：高并发请求访问我的AI项目17. 你们这个实际使用的智能体，初期是怎么做测评的18. 平时有用过什么大模型19. cursor有调过参数的经历吗反问20. 面试官说一周以内会收到hr电话

1. RLHF相较于传统SFT，聚焦解决语言模型哪些核心问题？RLHF主要致力于解决语言模型在生成内容时，如何更好地贴合人类价值观、提升内容质量与安全性，以及让模型生成更符合人类期望的多样化回复等核心问题。2. 经典RLHF流程三核心阶段详述监督微调阶段：输入带标注的文本数据，输出微调后的语言模型。通过监督学习，让模型初步具备生成合理回复的能力。奖励模型训练：输入成对比较数据，输出训练好的奖励模型。构建一个能准确评估回复质量的模型，为后续强化学习提供有效的奖励信号。强化学习：输入语言模型和奖励模型，输出优化后的语言模型。利用奖励模型的反馈，通过强化学习算法调整语言模型参数，生成更符合人类期望的回复。3. RM训练用成对比较数据的优劣优势：人类对两个回复的相对优劣判断更准确且一致，能降低标注难度与主观偏差。劣势：收集大量成对数据，成本较高；难以直接量化回复的绝对质量。4. 奖励模型架构选择、与LLM关系及损失函数5. RLHF第三阶段选PPO的原因及KL散度作用相比简单策略梯度，PPO能更好地平衡探索与利用，提高训练稳定性；相较于Q - learning系算法，PPO更适合处理高维连续动作空间问题。KL散度关键作用是限制新策略与旧策略的差异，防止策略更新过大导致模型性能不稳定。6. PPO中KL散度系数设置不当的问题及调整方法若系数B设置过大，会导致策略更新过于保守，模型难以学习到新策略，性能提升受限；若设置过小，策略更新可能过于激进，模型性能不稳定。可通过实验观察训练过程中的奖励值、KL散度值等指标，逐步调整系数B，找到合适的平衡点。7. “奖励作弊/奖励黑客”及缓解策略模型为获取高奖励，利用奖励模型漏洞生成不符合人类期望但奖励值高的回复。缓解策略包括：优化奖励模型，减少漏洞；增加人工审核环节；采用更复杂的强化学习算法等。8. DPO核心思想及与传统RLHF（基于PPO）对比优势DPO核心思想是直接优化模型生成回复的偏好，无需通过强化学习间接调整。与PPO相比，DPO省略了强化学习步骤，直接利用偏好数据进行模型训练。优势是流程更简单，训练效率更高，稳定性更好。9. RLHF模型离线优上线差的原因及分析解决方向原因是：离线评估指标与真实用户需求不匹配；奖励模型存在偏差，过度鼓励某些模式化回复。可从以下方面分析解决：优化评估指标，更贴近真实用户反馈；重新训练奖励模型，减少偏差；引入多样性约束机制等。10. Deepseek的GRPO与PPO主要区别

1 视觉是如何识别产品2  cv视觉算法3 与mes做通信，http的中断处理讲一下，通信中断后如何重连4 信号槽的第五个参数5 一个信号连接了多个槽函数，槽函数的执行顺序是怎么样的6 串口通讯7 qt的主事件循环是怎么工作的 ？原理和机制8 单例和工厂9 qt的事件循环机制

题目1：实现Transformer中的Multi-Head Attention

实习和项目 1.实习里粗排的融合公式里有哪些目标2.拆成多个模型还是一个多目标模型3.多任务模型有什么好处4.粗排负样本怎么设计5.相比 ReLU，Swish 有什么优点6.GeLU 和 Swish 的关系是否了解7.梯度消失或爆炸的原因和解决方法8.BatchNorm 和LayerNorm的区别及适用场景9.List-wise的损失函数形式是什么样子的10.讲讲NDCG 的公式11.ItemCF的i2i矩阵如何构建12.DIN 和 Transformer 的 attention 有什么不同概率题1.每次射击独立，命中率15%，求首次命中时总射击次数的期望codingleetcode 124. 二叉树中的最大路径和（hot100 困难题）反问

分类 vs 回归：区别、适用场景、代表算法· 树模型算法：决策树、随机森林、GBDT/XGBoost原理· Transformer架构：整体结构、自注意力机制原理、位置编码方法· 关键技术组件：LayerNorm的作用与优势、前馈网络、残差连接· 模型训练与优化：大模型训练微调经验、过拟合/欠拟合解决方法、大模型幻觉成因与缓解· 量化算法原理：基本概念、量化方法（PTQ、QAT）、改进方向· 量化应用价值：推理加速、内存优化、成本降低· Python语言特性：继承机制、内存管理与GC、与C++对比· 网络结构对比：Transformer vs CNN/RNN、适用场景、设计考量

题目1：贪吃蛇游戏模拟

1 选最多的投票人 模拟 注意判断边界条件2 魔法值瞬移赶路 最短时间逃离 dp 感觉思路挺多 好像有原题=-=3 对于有环的图，求删除环的最小长度的边，寄

总结：体验很差，面试官高高在上，姓余的hr会因为你去和hr说觉得面试官不尊重人把你在公司系统上拉黑面试官雷点：1、面试官不开摄像头，但要求面试者开（其实当时我已经想拒绝面试了）2、因为之前实习的乙方金科（百融等），不会过多涉及到全面的流程，流程均为碎片化，不涉及后续的特征监控，并且之前实习时候用的vscode，直接认为之前实习的单位不正规，直言实习什么都没做3、不考算法，不考sql，不问任何的实习经历，不问项目经历，只问了子类父类概念，因为不记得概念，直言没技术背景，莫名其妙认为所有的相关经历均ai做的，但是他自己都不了解图算法和llm4、认为kaggle比赛比自己的项目更重要，但是kaggle关于风控的比赛是那个评分卡，很普通，因为没做过被说不专业（请问那个kaggle评分卡有啥技术含量吗？）Hr雷点：1、本人在对她的vx发送如果觉得不合适可以不用面试，毕竟你们只面了5分钟，hr回复：你对我发脾气不是成年人该有的表现（十分阴阳）2、本人见被阴阳后开始阴阳，最终hr回复：“你已经被公司拉黑，祝你好运！”

题目1：概率题题目2：生成括号

项目 重点拷打一段做的比较深的，关注数据和指标八股1. 讲解整个Transformer架构2. Transformer为什么需要位置编码3. MHA和普通的Attention有什么区别代码123.买卖股票III的最佳时机III，两次买卖收益最大化，这道不会要求换题，改成了46. 全排列其他1. 实习都比较短的原因是什么2. 实习的公司又给你发offer吗3. 能提前来实习吗反问1. 工作地点有哪些2. 组里具体业务

项目 介绍其中一段实习，没问啥问题其他1. 实习都是什么原因离职2. 你觉得大模型和之前AI比本质解决什么问题，大家期待如此高3. 自己用过哪些AI类的产品，coding类的有用吗4. cursor类的AI产品能解决什么问题5. 有驾照吗，对车有什么了解吗6. 能提前来实习吗7. 对base地有哪些要求8. 描述一下你想去的公司是什么样的反问1. 业务聚焦点2. 重头戏是toB还是toC

题目1：无人车路径规划题目2：Moe语言程序分析题目3：合法数列

代码 1. 村庄连通至少需要修多少条路，这道不会要求换题2. 树的最大宽度，层序遍历，deque存节点和id，左孩子2n，右孩子2n+1项目只重点问了一段八股1. 什么是SFT，和RAG的不同侧重点是什么2. SFT的灾难性遗忘怎么解决，模型和学习率怎么做3. SFT和DPO的区别4. 什么时候用Lora和PEFT5. Transformer注意力机制，计算复杂度6. Attention加速方式反问滴滴LLM具体业务应用

项目 拷打半小时，基本都问模型和数据八股1.  RLHF阶段，讲一下DPO数据构成2. Lora的原理是什么？是对哪些参数做低秩分解？3. MoE里面专家的数量取决于什么？4. MoE里面GATE数量取决于什么？其他54张扑克牌，红色和黑色各27张，不放回抽取两张，一红一黑的概率是多少？请说出公式代码实现一个函数，判断两个二叉树是否相等（对于每个子树，对称和完全一样都是相等）反问1. 业务方向，模型有做全流程的训练吗2. 一共几轮技术面

题目1：反转句子