上来先问问目前有啥offer，职业规划，具体想做哪部分然后直接甩两道编程题，最小覆盖子串，合并区间1. 用通俗的话讲一下你理解的大语言模型2. Transformer里的自注意力机制大概是做什么的3. 预训练和微调在大模型里分别起到什么作用4. 你用过哪些提示工程技巧，怎么让模型输出更稳定5. LoRA这类轻量化微调的原理是什么6. 大模型训练时数据预处理一般要做哪些步骤7. 训练大模型时遇到显存不足该怎么处理8. 大模型出现幻觉要怎么排查和优化9. 上下文窗口大小对模型使用有什么影响10. 常见的大模型推理加速方法有哪些11. 你了解哪些大模型量化方案12. 大模型部署时要考虑哪些关键指标13. 用过哪些大模型相关的框架或工具14. RAG是什么，实际落地时要注意什么15. 怎么评估大模型生成内容的好坏16. 大模型微调过程中过拟合怎么解决17. 介绍一个你做过的大模型相关项目18. 大模型落地时效果和性能怎么平衡19. 平时怎么跟进大模型相关的新技术20.tcp和UDP的区别，优缺点21.怎么发现和寻找死锁AI求职实录#感觉回答中规中矩吧，两个小时后收到二面通知，嘿嘿

发一下问题给大家参考，攒攒人品！1*Agent与Workflow的区别是什么？在实际业务中，你会根据什么标准选择对应的方案2*设计一个企业级Agent架构，如何实现 BFF、Tool Server 与 Worker 的多组件拆分3*在企业级Agent中，怎么实现安全与隔离？权限管理、审计与日志追踪具体的落地方案是什么？4*说一下什么是MCP？它在Agent生态中解决了什么痛点？5*MCP 有哪些具体的分类？Transport 层是怎么工作的？如何开发一个 MCP Server？6*谈谈你对 Claude Code、Manus 这类 Agent 产品的理解，它们的架构逻辑与传统 Chat Agent 有什么差别？它工程部分的能力是怎么实现的？7*如何实现 Claude 的 Agent Research 方法论？Deepsearch 场景下需要配备哪些工具？基础设施与安全挑战在哪里？8*在多轮对话中，分别实现 Short-term memory、Long-term memory 与 Task memory怎么做？9*上下文机制的完整实现流程是怎样的？说一下它的写入策略、读取策略以及 Rerank 的做法是怎么样的。10*当上下文超过 Token 限制时，组合使用 Rolling Summary、State Extraction 与 RAG 这三段式策略？11*说一下Prefix Caching 和 KV Cache 的原理。为什么缓存的是 K 和 V 而不是 Q？不再计算前缀具体节省了哪部分算力？12*引入 Prefix Caching 后，Attention 的计算复杂度是怎么下降的？13*Few-shot在Agent评测中是为了提升能力还是降低方差？在评测Pipeline的哪个阶段注入？如何防止过拟合？14*对比一下Transformer中Self-attention与FFN的作用差异。15*为什么 Prefix Caching 只能优化 Attention 部分，而无法优化 FFN 部分？16*从 Softmax 的数学角度解释，为什么在计算过程中加上负无穷就能让注意力权重变为 0？17*什么是掩码？你分别说一下Causal Mask与 Padding Mask 的作用是什么。

一、大语言模型基础1. 目前主流的开源模型体系有哪些？主流开源模型体系包括：LLaMA 系、Qwen 系、GLM/ChatGLM 系、Mistral/Mixtral 系、Baichuan 系、DeepSeek 系、InternLM、Yi 等。面试里建议从以下维度比较：参数规模（7B/13B/70B…）上下文长度（8K/32K/128K…）多语言能力工具调用能力（function calling / agent）推理成本与部署难度开源协议（是否可商用）2. Prefix LM 和 Causal LM 区别是什么？Causal LM：严格自回归，token 只能看左侧历史（下三角 mask）。Pr...

你对AI行业怎么看？你未来想往AI哪个方向发展？有没有用AI做过项目/作品？其实这个是行业发展最前沿的问题，也没有常规答案，就看自己面试的状态，以及对不同事情的看法！

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1.为什么在 RAG 流程中引入父子索引（Parent-Document Retrieval）？2.为什么引入 BM25？向量检索和 BM25 的融合比例是怎样的？3.检索融合的具体流程是什么？召回后有没有做 Rerank？4.Rerank 后返回几个块（Chunk）？有没有针对这个返回数量做过验证？5.Rerank 后的 TopK 截断是怎么做的？为什么是这个值？有没有其他截断方案？6.讲一下上下文工程（Context Engineering），Agent 的记忆（Memory）是怎么做的？7.请详细讲解分布式令牌桶限流的实现。8.漏桶算法（Leaky Bucket）的原理讲一下。9。滑动窗口算法限流讲一下。如果用代码实现，滑动窗口的结构体会包含哪些字段？10.滑动窗口和令牌桶相比有什么缺点？11.在 Redis 中，你会用什么数据结构来实现滑动窗口限流？12.LRU 缓存的实现原理讲一下。13.布隆过滤器（Bloom Filter）的底层原理和适用场景讲一下。14.MySQL 索引会在哪些情况下失效？15.在使用 LIKE 进行模糊查询时，索引什么情况下会失效？16.MySQL 的事务隔离级别有哪些？如何保证一致性？17.详细说说 MVCC 的实现，ReadView 的生成时机是怎样的？18.在不同的隔离级别下，一个事务分别会创造几个 ReadView？19.MySQL 都有哪些锁？它们的作用分别是什么？20.为什么选择 Python 和 Go 作为技术栈？在处理并发时有什么区别？21.手撕代码：实现反转链表

1. Linux 常用命令有哪些？常用命令按场景分：文件目录：lscdpwdcpmvrmfind文本处理：catlessheadtailgrepawksedsortwc系统资源：topfreedfduiostatvmstat进程网络：pskillssnetstatlsof服务管理：systemctljournalctl2. 如何查看 Linux 系统版本和内核版本？系统版本看发行版，内核版本看 uname。 cat /etc/os-release uname -r uname -a 3. 如何查看 CPU 使用情况？top 动态看，uptime 看负载，mpstat 看多核。 top upti...

👉 Q1：你做过大模型开发，说说Transformer的核心构成是什么？✅ Transformer核心由编码器和解码器组成，核心是自注意力机制，负责捕捉序列上下文关联，是所有主流大模型的底层架构。👉 Q2：微调大模型时，会针对Transformer的哪些部分做调整？✅ 会重点调整Transformer的顶层注意力层和输出层，根据任务场景微调自注意力权重，必要时冻结底层编码器，只训练顶层，平衡模型效果和训练成本。👉 Q3：Transformer的自注意力机制，和传统RNN相比，核心优势是什么？✅ 核心优势是并行计算，RNN需逐序列处理，效率低，而自注意力机制可同时捕捉序列中所有位置的关联，无需依赖顺序，既提升训练速度，又能更好捕捉长文本上下文依赖，这也是大模型能处理长序列的关键。📳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。

👉 Q1：你做过大模型开发，说说Transformer的核心构成是什么？✅ Transformer核心由编码器和解码器组成，核心是自注意力机制，负责捕捉序列上下文关联，是所有主流大模型的底层架构。👉 Q2：微调大模型时，会针对Transformer的哪些部分做调整？✅ 会重点调整Transformer的顶层注意力层和输出层，根据任务场景微调自注意力权重，必要时冻结底层编码器，只训练顶层，平衡模型效果和训练成本。👉 Q3：Transformer的自注意力机制，和传统RNN相比，核心优势是什么？✅ 核心优势是并行计算，RNN需逐序列处理，效率低，而自注意力机制可同时捕捉序列中所有位置的关联，无需依赖顺序，既提升训练速度，又能更好捕捉长文本上下文依赖，这也是大模型能处理长序列的关键。📳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。

攒人品中，祝大家都能拿到满意的Offer！1. 项目拷打2. 为什么选择推荐算法而不是搜索或广告算法？3. 如果你的推荐结果用户点击率很低，你会怎么分析？4. 你理解的推荐算法工程师，在美团主要承担哪些工作？5. 如果让你优化外卖商家的推荐排序，你会考虑哪些因素？6. 你认为协同过滤和深度学习模型在推荐中各有什么优势？

面试很难，还是要多多练习1.项目拷打2.酣畅淋漓的技术八股...*-讲一下Wan(阿里的通义万相)的框架是什么*-是否了解MM-DiT的框架*-对于DiT，时间t是怎么注入的，AdaLN讲一下*-了不了解VideoVAE是怎么训练的，用了什么损失函数，如果重建视频不清晰可以再加什么Ioss*-KL散度具体的公式是什么样的?和交叉熵损失函数有什么区别联系*-是否了解Flowmatching，具体是怎么做的，和DDPM的优劣*-讲一下Classifier-Free Guidance*-是否了解视频后训练怎么做的，GRPO是什么*-你觉得对于训练一个视频基模，应该有哪几个流程，哪一步比较关键*-训练过多大的模型，用了多少张卡*-训练过程中是否遇到过不稳定的情况，本质上是因为什么*-是否了解混合精度，FP16和BF16的区别*-是否了解大模型训练中的几种并行(DP,PP,TP,EP)3.手撕: 经典 multi-headattention

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.实习拷打2.项目拷打3.手撕:1DRoPE4.RoPE里面base应该怎么取，过小会有什么问题，视频生成里面ropebase取多少

1、Transformer 为什么能替代 RNN？自注意力机制的核心作用是什么？2、请解释一下 QKV 的计算过程，以及为什么要除以 sqrt(dk)。3、BERT 和 GPT 的区别是什么？各自更适合哪些任务？4、训练大模型时，过拟合一般怎么处理？常见优化手段有哪些？5、微调、LoRA、Prompt Engineering 分别适用于什么场景？6、什么是幻觉问题？在实际业务里可以怎么缓解？7、RAG 的基本流程是什么？它和直接微调模型相比有什么优缺点？8、如果让你设计一个智能问答系统，你会怎么做模型选型、知识库检索和效果评估？

攒人品中～～1.介绍 Lora 的思想，为什么有效2.DPO 的数据集来源3.PPO 和 GRPO 的区别（损失函数的 clip 作用）4.什么是大模型的幻觉，大模型解决幻觉的方式有哪些5.为什么降低温度能缓解幻觉6.你项目中 system prompt 和 user prompt 的区别7.DeepSpeed zero-3 有什么改进8.verl 和 vllm 你是怎么配合的，每个在项目中的作用9.手撕：LCR 076 数组中的第 K 个最大元素

发一下问题给大家参考，攒攒人品！1. 项目拷打2. 实习经历深挖（~20min）3. 手撕代码（~7min）：无重复字符的最长子串4. 八股(包含细节连环问)：·Transformer架构（Encoder/Decoder模块）·BatchNorm vs LayerNorm·灾难性遗忘·AUC指标

攒人品中，祝大家都能拿到满意的Offer！1.你们当时提取的caption涉及到粗细力度吗?2.除了caption数据,为什么还要做一些VQA、reasoning、summary数据呢?3.解释为什么VQA、conversation、reasoning数据可能会提升模型效果4.当时的消融实验是完全消融吗?具体怎么做的?5.你的关键帧是怎么做的?6.技术报告看过吗:glm-4.1V,qwen3-vl,mimo-vl,kimi-vl,seed-1.5-vl7.你有仔细去看现在主流的VLM是怎么去洗数据，或者是怎么构造整套pipeline吧8.假如说你参与到这个进程中，你怎么看待接下来的趋势，或者说你拿到一个STEM任务类型，你会怎么去做，你觉得现在技术报告里的缺点在哪里，你有什么想法吗?9.使用VLM-as-judge做整套的数据清洗pipeline，从合成、清洗、过滤、验证、合并，这块有了解吗

1. InnoDB 的核心组成有哪些？核心包括：Buffer Pool、Redo Log、Undo Log、Change Buffer、Doublewrite Buffer、自适应哈希索引（AHI）。面试重点：知道它们分别解决“性能”和“可靠性”问题。2. Buffer Pool 是什么？为什么重要？Buffer Pool 是 InnoDB 的内存缓存区，缓存数据页和索引页，减少磁盘 IO。命中率越高，查询越快。3. Redo Log 和 Undo Log 区别是什么？Redo Log：保证事务持久性（崩溃恢复）Undo Log：保证事务原子性和 MVCC（回滚、快照读）4. 什么是 WAL（...

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.hashmap的底层原理，哈希冲突了怎么办3.java有哪些锁工具4.CountDownLatch原理5.读写锁怎么使用6.项目里这个接口优化是怎么实现的7.快排和归并的过程，区别8.IOC9.Spring bean的生命周期10.G1垃圾回收器11.java有没有排序的map12.Hashmap是不可排序的，如果要实现排序该怎么做，如果value要排序该怎么做13.如果要使用对象作为hashmap的key，该怎么实现14.Threadlocal之间该怎么通信（我说业务层上进行）15.红黑树是什么，还有个问题忘记了，好像是红黑树插入会遇到什么问题16.JWT和cookie session的区别17.JVM调优的相关问题算法：给了三道1.写SQL，要写建表和查询2.用线程池写死锁

发一下问题给大家参考，攒攒人品！1.项目拷打2.怎么从指标上评估多目标是否冲突3.项目中的困难4.连续特征怎么离散化5.Self-attention6.WAUC7.生成式听说过吗8.拟合(x,y)，其中yx^2，怎么用SGD做9.手撕:有重复数字的数组的幂集

1. MySQL 常见存储引擎有哪些？有什么区别？常见是 InnoDB 和 MyISAM。InnoDB：支持事务、行锁、外键，适合高并发 OLTP（线上业务）MyISAM：不支持事务和行锁，读多写少场景才会考虑AI-Agent 在线系统一般优先 InnoDB。2. 什么是事务？事务四大特性（ACID）是什么？事务是“一组操作要么都成功要么都失败”。ACID：A 原子性C 一致性I 隔离性D 持久性3. MySQL 事务隔离级别有哪些？四级：Read UncommittedRead CommittedRepeatable Read（MySQL 默认）Serializable隔离级别越高，并发性能...