base北京 有没有了解的uu大佬卓望相比于其他移动公司/运营商 是有一个面试满意度调查的时间线：09-上旬 投递10-中旬 笔试12-上旬 一面 项目介绍和挖掘 面试官很有礼貌01-上旬 二面 hr面 就是些基础问题，困难、挑战、介绍项目，薪资沟通和反问01-上旬测评 性格测试01-上旬三面 （终面？） 准备AI项目展示PPT 有几个面试官进行提问深度挖掘项目，前半部分友好，后半部分问了很多不沾边的奇怪问题，面试官不专注，重复提问，问：为什么不去自学智能体、语言模型，现在这么火；提问手机号排序算法。说三面是终面 不过后续和我说三面通过后需要考虑领导面看是否进入人才计划

第一轮项目领导面1.结合你的简历做一个自我介绍2.结合项目展开说具体做了什么工作（先说总体目标是干啥，以及每一步目标是为了什么）回答模板：项目的服务对象是谁？这个项目能为他做什么？3.用的什么向量数据库？4.问答模型、RAG、知识库的向量化处理这些你都做了吗？怎么做的？5.这个过程中你怎么去设计的向量库？什么向量库？6.画出典型的RAG结构7.机器人售后项目数据治理工作包括那些？8.你对docker熟悉吗？9.你的fastAPI是自己开发的吗？10.你干活用哪些AI?第二轮boss面1.你认为你性格中的优势特点是什么?2.你父母是做什么的？3.平常用什么大模型？4.你的职业发展规划是什么样的？

1.自我介绍2.问项目3.wide&deep结构4.deepfm结构，和wide&deep区别，wide和fm部分具体是什么有什么区别4.MLP和DNN的区别5.手撕求前k个最小值，用了最小堆，问了最小堆是用什么排序实现的6.手撕子集型回溯，没注意到给的列表可能有重复元素， 被问到了，回答用哈希记录然后跳过重复7.DIN结构，外积的物理意义8.除DIN外还有什么序列建模方法，回答transformer， 追问两者区别9.反问感觉寄，问得基础但答得不好，攒人品

1.项目相关2.如果是做生成式召回应该对模型结构怎么修改3.常用的归一化方法有哪些4.从样本里随机去掉一些负样本，Auc怎么变5.DPO的全称是什么，公式是什么，直接体现在哪里6.MOE激活的分布，怎么确定是MOE的效果7.dpo的公式是什么8. sgd是什么，Adam相对于sgd改进了什么9.kvcache怎么做的，了解大模型中别的提高效率的办法吗位置编码10. 正余弦位置编码的公式手撕📳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。

AIGC算法实习生2026.01.12，下午16:00，二面，线上，40多min，只有自己开了摄像头，面试官没开1.自我介绍2.拷打简历3.介绍RAG4.嵌入模型是什么？为什么要把文本转换成向量存储？5.手撕：原始字符串1112234443556666，输出112234435566（就是超过3个相同的字符，保留两个）6.解释：lr，batch_size，step，epoch，迭代一遍是什么意思，loss7.分类模型常见的损失函数是什么？（说了BCELoss，BCEWithLoss）8.Qwen3-VL系列模型如何对图像进行预处理（答的不好）反问：我这个岗位主要是做什么的，他们主要做AI社交，有很多虚拟角色，每个角色都有相册可以换装什么的，还有风控，过滤掉违法图片

1.自我介绍及项目经历2.如何增强模型的多轮对话能力？3.介绍MoE （混合专家）架构核心优势。4.阐述大模型训练与推理的完整流程。5. 对比 LORA 微调 Qwen 模型两种微调方式的性能表现。6.FlashAttention v1 和 v2 的主要改进点分别是什么？7.CoT（Chain-of-Thought）训练数据是如何构造的？8.当前主流的强化学习算法有哪些？9.代码：LeetCode 22，实现“括号生成”问题。📳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。大模型  人工智能就业 #校

1.实习介绍2.项目拷打3.向loss上面加/乘以1w会怎么影响训练？4.熟悉什么常用的损失函数？5.如果训练过程中loss不掉的话，要怎么去检查？6.手撕代码：35.搜索插入问题7.SQL优化：把有1亿数据的table和有1千数据的table匹配？8.会不会Spark、SQL？9.介绍一下Transforemr10.为什么要用LN，而不用BN？11.BN在训练和预测时有什么不同？

1.实习介绍2.拷打项目3.AUC如果出现波动，应该如何分析4.测试集情况，哪些红哪些绿（细说）5.分析baseline中为什么之前没有这些东西（emm）6.手撕：有10000大小的数据集，内存放不下没办法一次性shuffle，但是你有一个shuffle_100（），在不随机写10000的情况下如何借助硬盘进行全局公平shuffle。7.提示：可以用10个文件进行随机写，但是不能随机100008.反问：业务

1.实习介绍2.介绍项目3.如果新增一个收藏的指标，应该如何加在PLE模型中4.介绍一下ESMM（包括后续改进）5.如何做Dropout6.其他归一化的方式还了解哪些7.介绍一下PLE，比MMoE好在哪？8.了解广告算法吗？9.介绍一下广告算法的利益均衡10.了解广告算法计费方式吗？11.介绍一下广告算法的其他链路12.介绍一下双塔模型，结构、样本13.讲一遍你知道的所有排序算法14.讲解一下快速排序最优和最差的情况15.如果遇到最差情况，更换哪一种排序算法可以解决（全都一样）16.手撕：快速排序

1.实习介绍2.拷打项目3.PLE模型怎么做迭代4.PLE对于门控优化有很多trick，能不能谈谈你的理解5.是否了解最新的特征交叉的工作6.介绍RankMixer（又细又长的过程）7.怎么看待RankMixer的ROI8.评估一下OneRec的ROI和RankMixer的ROI，评估为什么后者更优（这种情况下）9.生成式推荐的ROI问题10.讲一下职业规划11.反问

1.介绍一下对推荐系统的认识2.召回和排序的区别3.介绍项目4.项目相关5.xgboost和lightgbm的区别6.介绍一下transformer7.为什么除以根号dk手撕 动态规划（非hot100）反问

PPT介绍项目1.GCN具体讲一下，节点代表什么，为什么有些节点可以连边，有的不可以2.边的权重3.对比的 baseline4.你的投稿大概是什么文章手撕代码1.有一个二维矩阵，m行n列，用回形方式遍历2.把二维矩阵想象成平面的一个矩阵，相当于一笔画的形式遍历了这个矩阵的每一个元素假设是三维矩阵，应该怎么遍历

1️⃣实习介绍2️⃣基本就是顺着简历全在问八股1.Transformer 的结构，有哪些可以学习的参数2.多头自注意力结构，矩阵个数3.ffn结构4.encoded decoder 区别5.一个 decoder block 由几个部分组成6.encoder 的输出，作为什么到 decoder7.为什么 decoder 更适合生成8.decided mask 在推理中有用吗9.Transformers 各个架构的改进（attention/ffn/位置编码）分为：10.GQA MHA MQA 区别11.swiGLU 的改进12.rope 在哪里加入3️⃣然后开始项目，其实也问很多八股：1.用的什么开源 dpo 数据2.为什么没用 qwen-33.全参数微调 7B 需要多少显存4.FP16/BF16 区别5.AdamW 显存计算6.介绍 Flash attention7.介绍 gradient checkpoint8.RougeL 计算方法9.代码：找数组第 k 大元素

1️⃣ 实习介绍2️⃣ 拷打 rag 项目：1.项目还可以提升的地方2.感觉自己可以多久完成这个项目3.dpo训练对于系统问答的优化在哪里4.提高模型的准确率核心是什么5.怎么提高数据的质量6.rag 文档怎么切分7.rag 向量化的模型8.rerank 用的什么模型9.有没有微调 rerank 模型/应该怎么微调10.dpo 用的什么库11.代码：已知无序数组，求第 k 大数

自我介绍 Q之前实习内容 为什么去实习 什么时候去学校Q介绍一下agent的项目Q介绍一下之前这个项目 上线了没有，为什么做，练手？Q有没有遇到向量切分重叠的问题 overlap设置为多少？设置为50还是算比较小了。Q回答出现错误怎么办，怎么避免agent一直出现错误，A reflection agentQ能否举个具体例子？Q读研学的什么？决策论还挺适合agent的Q agent出现幻觉如何避免？

1.问硬件、硬件利用率2.讲讲deepspeed几个阶段，分别分片什么、代价是什么3.模型训练时间如何估计4.DP和DDP的区别5.最多用过多少张卡6.训练过程如何做模型监控7.数据配比怎么量化才是一个好的方案8.讲一下预训练数据处理9.预训练和SFT如何评估10.encoder-decoder、encoder、decoder区别11.讲一下文本输入大模型到输出的过程12.decoding策略13.大模型结构有哪些变化14.拷打论文15.手撕:cross-attention

1.拷打论文2.介绍模型3.数据清洗流程4.采用什么样的策略、什么样的数据才会便于模型学习5.数据配比能说下思路吗6.主流LLM模型结构设计有什么特点7.如何评估LLM8.训LLM最大的困难是什么9.前沿LLM有了解哪些10.工具调用怎么实现11.国内LLM有了解哪些12.LLM推理能力的天花板现在是什么程度13.无手撕

1.拷打论文2.transformer和llama的LN有什么区别，手写RMSNorm3.FFN有什么不同，写Relu和SwiGLU4.数据清洗流程5.质量过滤用什么模型6.PPL公式是什么7.BERT的预训练任务、embedding8.讲讲位置编码9.你认为好的prompt的范式是什么10.开放性问题:端到端的大模型和多个小模型，各自的优缺点是什么11.手撕:两道