发一下问题给大家参考，攒攒人品！1. 实习拷打2. 项目深挖3.推荐业务目前的优化目标是什么？4.多场景建模具体指什么？不同场景下用户行为有什么差异？5.这些场景是分开建模还是统一建模？特征或网络层面有没有做场景区分？6.如果特征落盘时刻上下文发生变化，是否会造成线上线下不一致？7.能描述一下从用户请求、模型训练到在线serving的完整流程吗？样本落盘机制是怎样的？8.离在线链路是分离的还是统一的？流式样本和离线样本分别如何使用？9.介绍一下RankMixer的结构原理。它与MLP、Transformer或DIN相比，核心区别和优势是什么？10.如果拓展token数量，具体如何实现？为什么token机制能实现特征的自动深度交叉？11.场景特征是直接拼接embedding，还是有独立的场景block？独立使用还是全局共享？12.如何判定模型优化效果是正向还是负向？评估方式是什么？13.所有场景样本是一起训练还是分开训练？指标是看全局还是分场景？14.超长序列建模的长度是多少？具体实现方案是什么？15.多尺度注意力指的是什么？与全序列原生attention相比有何区别？16.不同时间段的序列输出如何融合？如何平衡每个时期兴趣的权重？有没有自适应机制？

2026.3.19纯KPI面试，25min，无算法题，不开摄像头，面试官提到需要语音经历的候选者1. 自我介绍2. 介绍研究生方向3. 如何提高GPU利用率4. 介绍实习5. 你了解目前的一些大模型吗（包括架构）？6. 是否了解音频相关的模型7. 手里的offer的情况

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. 如何进行混合加训2. 混合加训和 continue sft 你觉得哪个效果好，为什么？3. Sft loss的起点数值和收敛情况。4. 讲解一下 rlvr 使用的策略。5. 训练 1t 模型遇到哪些困难，跟小尺寸模型有什么不同6. Benchmark 测评情况，如何根据 benchmark 进行模型效果优化。手撕：top-p sampling、grpo

发点面经攒攒人品～1. 谈谈你对 Agent 的了解2. 如何设计一个multi-agent系统3. Agent 之间的通信该如何设计4. Agent memory 应该如何设计5.是否了解openclaw，介绍一下6.谈一下claw-r1这种训练范式的局限性7.谈谈对异步 rl 的理解无手撕

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. 深挖实习内容2. 场景题：给你一个通用的大模型，如何让他具备agent能力。3. 场景题：挖掘高德场景下的agent应用，从数据到训练，设计整个流程。4. 对比介绍ppo、grpo。5. PPO loss函数口述、以及clip的作用，如果不clip公式是否成立6. 深挖对 DAPO 的理解

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 项目拷打2. 拷打第一段实习2.1 模型优化细节，非常细，基线模型结构、具体优化点、expert数量，输入维度，参数量计算，特征分配策略等等2.2 参数量增加后，计算量增加了多少？FLOPs和训练速度分别怎么变化？2.3 模型性能跟模型大小是相关的吗？2.4 新增的存储属于什么类型？在PS中仅增加存储是否影响训练推理速度2.5 存储成本和查询成本哪个更高？新增参数量是否达到瓶颈？2.6 相同的机器下，训练速度慢了多少？或者增加了多少机器才能让训练速度持平？3. 拷打第二段实习3.1 主模型细节，序列建模细节，模型参数、序列长度3.2 OneTrans的优缺点4. 手撕代码：求数组中第K大的数，时间复杂度要求O(N)

总时长 45min，算上网断了重连，大概 38min 的样子1.拷打简历2.简历提到的一个方法，如果现在让我做，你会怎么做3.简历提到 t5，简单让讲了下 t5 模型架构和优势，问encoder 和 decoder 的模型你了解哪些？4.后训练了解吗，介绍一下 dpo，ppo5.简历提到 lora，讲一下 lora有一道智力题，把题目放到图片了手撕：最长公共子序列，hot100 原题  （美团的手撕很友好，直接在面试的网页上做题，leetcode 形式的，不用处理输入输出，写主函数就可以了），几分钟做完，又花几分钟讲了下思路另外想问一下面试过的同学，结果大概什么时候能出呢

日期：2026.3.26时长：约40mins面试官：算法工程师（也许是）面试岗位：算法工程师 实习岗工作地：上海内容1 面试官自我介绍2 （我）自我介绍（追问）实习时长？视实习jd而定，对于……，实习期大概在4-5个月3 简历询问a 学生期间的学习经历有什么？i  本科还是硕士？——》都介绍一下ii 本科期间学校对我们专业的培养目标是……，所以我们会学数学、化学、英语、机械、力学、……。在研究生期间，主要学习的课程可以自行选择，我的主修课程主要包括环境感知、智能导航、传感器、ai及深度学习、数学等课程，研究生的主要研究方向就是……。b 我看你的实习经历有一段……，当时就已经在做agent开发了吧？i  我认为严格意义上那不算agent，当时agent也没有现在这么火，更多的还是一个对内的ai助手demo开发，在功能上基本可用。b（追问）那你对ai了解多少，与llm和agent相关的这些。ii 对于llm还有agent的一些基本原理的概念性东西还是有一定程度了解，比如loRA微调、RLHF（是这个吗？其实我不太记得住这个词，可能当时说错了）、数据集、无监督学习、rag、a2a、skills、tool，Transformer等等。但是如果您问我我具体了解程度，那我只能说基本不了解。因为在我的预估和前期规划中，我的实习期从五月开始，这些东西的学习计划是放在四月的（确实是这样规划的）。那么在这之前，我主要做的是我的毕设和一些基础的学习，比如说强化学习的数学原理、经典强化学习算法、Attention、深度学习底层原理等等。之所以这样规划是因为这些东西是介于我毕设和预估中的实习涉及到的技术落地间的重要知识，需要有层次的递进学习，其次是我需要毕设做到一定程度导师才放实习，因此我的毕设进度大概是……。c 介绍一下你最了解的项目。i  我最了解的是我的毕设……。其中我这也是结合prompt engine做的，其中用于项目开发的skill也开源了。c（追问）你为什么选择PPO而不是其他的模型？你有做过对比吗？ii 我选PPO的原因很简单，首先是PPO相对来说非常成熟，其次是它对超参数不是那么敏感，这样我可以不太用耗费很多时间去调参，此外，ppo的代码实现相对来说也比较简洁，能有效减轻我的工作量，最重要的一点是ppo的鲁棒性相对较强，这个是我比较看中的，因为……。对于其他模型而言，比如TRPO，没记错的话TRPO的一大优点在于其理论上能保证策略性能的严格递增，这点也是很重要的，但是没记错的话，TRPO中有个温度系数还是什么超参数，这个超参数对最终的策略提升有重大影响，如果这个参数没调好，容易让策略走向在最优解附近大幅震荡或无法学习的两个极端，这其实是我不希望出现的。毕竟计算机计算精度始终有限，因此我选用一个算法的目的之一在于在有限的计算时间和计算资源的限制之内能最逼近和无线逼近最优解，因此尽管PPO在理论上的收敛性不如TRPO严谨，但是从实际表现来看ppo反而好不少，他就是我需要的算法。c（追问）你的项目不使用数据集来训练对吧？比如那种生成的数据是无法应用到你的项目中的？iii我的项目可以用数据集，强化学习有通过数据集预训练或者需要采样数据的算法，但是，但是，如果使用数据集，我怎么保证我采集到的数据比强化学习自己的策略更好呢？换句话说，这些数据集需要我再环境中自己去采集，人具有主观性，我不能保证我采集到的数据是没有偏差和人的主观偏好在其中，如果基于有偏差的数据进行训练，那么如何保证最终训练出来的策略是最优策略呢？当然我不是在否定这种方法，现在有很多基于数据集驱动的强化学习，若我采用了这种方法，我就需要考虑……系列问题，这会让我毕设的体量爆炸……。因此，在实际中应该结合现有条件进行选择，最适合的才是最好的。4 手撕一个字符串中包含空格和数字，要求不产生额外存储空间的情况，把所有的数字换到左边，同时字符串长度不变（空格放到末尾保留）。忘了这是力扣哪个题，用了双指针的思路，思路对的但是跑不过用例不知道为什么。5 反问a 算力资源？i （面试官所在的团队）有几张gpub ai coding额度资源？i 这些问问llm就行，实习生估计是没有的（我其实无所谓，常年开的有自己的coding账户）c 组织架构？或者团队的主要工作内容是？i （估计是组织架构不便透露）工作内容：i）基于cv的……检测ii）基于ai的……检测iii）基于ai llm的知识图谱构建（听到这眼前一亮）---------分界线---------大约面试结束30-40分钟左右接到hr电话电话内容总结：1 面试官那边总体满意2 jd是……（听到这觉得jd可以去）3 入职时间及实习期（算了一下，可以去）4 薪资5 手头offer确认（表明0 offer，给了就去，期间也会面其他公司，毕竟我知道这个实习岗没有hc，但打包票的是期间我不会跳走）

攒人品中，祝大家都能拿到满意的Offer！1.项目介绍2.实习经历3.jvm内存分布4.new对象分配内存在哪里5.osi七层模型，数据怎么从这七层模型中进行一一传输的6.url输入后经历的变化7.mysql的事务介绍有什么，谈你的理解8.mvcc底层，干什么的9.如何避免幻读的，能避免全部幻读吗10.mvcc是主要在读操作还是写操作

发点面经攒攒人品～1.项目介绍2.介绍实习3.数据集使用的是公开数据集还在有自己构造数据集大模型相关八股提问4.分别讲一下 Dense 模型和 MoE 模型以及二者的区别5.讲一下MoE的 路由机制是如何做的6.训练完验证使用的是什么数据集7.做这个工作的过程中的难点在哪8.如何做的 SFT9.介绍一下 PPO10.讲一下 RAG 项目11.分类任务常用的评测指标有哪些12.讲一下 LoRA 微调的原理13.A、B 矩阵怎么初始化的14.LoRA 微调秩设置的是多少coding最小生成树

1. 如果让你从 0 到 1 设计一个企业级 Agent 平台，你会怎么划分 Planner、Memory、Tool、Knowledge、Runtime、Evaluation 这几个模块？边界怎么定？我一般不会按“大模型功能”来拆，而是按“责任是否稳定”来拆。Planner 只负责决定下一步做什么，不负责真正执行；Tool 只负责把外部能力标准化，不参与推理；Knowledge 负责把文档、结构化数据、权限和索引组织成可检索资产；Memory 只存跨步、跨轮、跨会话还需要被引用的信息；Runtime 负责状态推进、超时、重试、回放和观测；Evaluation 则独立出来，不跟在线链路耦合，因为...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.论文拷打2.如何确定改进的方向，动机是什么3.问了一下实习做的工作，没细问4.深度学习基础知识，网络怎么初始化5.过拟合6.dropout，推理时dropout需要什么额外处理7.手撕，算sqrt()，要写两种方法，牛顿迭代和二分查找

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.深挖论文，3dgs的优化参数是什么4.训练数据是怎么来5.球谐函数的作用是什么6.问了一些经典网络结构，从卷积到注意力机制7.简单画了一些transformer的结构，推注意力机制公式8.手撕，合并多个有序链表

1.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？这个问题本质上不是“删哪条、留哪条”，而是做记忆的版本管理。实际处理时一般会同时看三个维度：时间、来源、置信度。时间上通常新信息优先，但前提是它来自更可信的输入；来源上，用户当前轮明确表达、工具查询结果、系统写入，优先级通常高于模型从历史里自己总结出来的内容；置信度上，如果只是一次低置信抽取，不会直接覆盖长期稳定画像。工程上我会把记忆拆成两层，一层是 event log，完整保留用户每次表达过什么；另一层是 materialized profile，也就是给模型使用的当前画像。冲突发生时，不是直接物理覆盖，而是先记事件，再按规则刷新画像。...

给我面没招了，发点面经攒攒人品～1 实习经历拷打2 讲讲你熟悉的推荐系统的模型3 DIN的优缺点4 GRPO，GSPO，DAPO八股，DPO如果让你用在精排，你会怎么用？5 Deepspeed，卡之间是怎么通信的，有没有了解过其他分布式训练6 盛最大水的容器，二叉树的子结构（非hot100）

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1 实习经历拷打2 手撕auc3 最长递增子串，记录长度和个数4 项目狠狠拷打

1. Agent 工具调用你知道怎么训练吗？训练集应该包含哪些？怎么得到训练数据集？如果只是让模型“知道有工具”，那只需要在 SFT 里教会它工具名和参数格式；但如果想让它真的会用工具，训练集必须覆盖完整决策链路。至少要有三类样本：一类是该调用工具的，一类是不该调用工具的，还有一类是要调用多个工具且有依赖关系的。否则模型很容易学成“逢问题必调用”。训练数据来源一般有几种。最理想的是业务日志里已有高质量人工操作轨迹，把用户问题、检索条件、调用参数、返回结果和最终回复串起来。没有现成轨迹时，就要靠规则模板、专家构造、模型自蒸馏和人工校验混合生成。真正难的地方不在造正样本，而在构造反例，比如参数缺失...

祝大家都能拿到满意的Offer！1.拷打论文2.实习项目3.深挖实习项目，主要会问项目的难点，你做了哪些优化，整个项目是怎么思考的4.强化学习算法了解哪些5.为什么用verl框架6.了不了解当前智驾的vlm模型

面试很难，还是要多多练习1.场景题：设计如何分配给用户的推送消息数量如何建模？输入输出是什么？怎么训练？有什么中间结果去辅助决策？2.八股：1.监督学习和非监督学习的区别？2.过拟合是什么？如何避免3.损失函数是什么？常见的损失函数？4.交叉熵损失函数的公式？5.AUC是什么