蚂蚁多模态算法面经整理

整理了下之前的面经，攒点人品
1️⃣ 项目：多模态相关，会LoRA/SFT，负责全流程，有实操经验。
2️⃣ 实习：协助多模态数据集、SFT/LoRA微调，熟悉流程。
3️⃣ 数据集：公开（COCO等）+自定义，兼顾成本与适配度。
4️⃣Dense vs MoE：Dense全参（快但重）；MoE分专家（轻量化，蚂蚁常用）。
5️⃣MoE路由：特征评分→Top-2选专家→加权融合+负载均衡。
6️⃣ 验证集：8:1:1划分，无重叠，仅用于验证泛化能力。
7️⃣ 难点：模态融合/专家不均/过拟合，对应特征归一化等方法。
8️⃣SFT：预处理→搭框架→监控loss→验证微调。
9️⃣PPO：强化学习，KL散度控差异，最大化奖励。
🔟RAG：检索增强生成，优化检索效率，提升精度。
1️⃣1️⃣ 分类指标：准确率、精确率、召回率、F1-score。
1️⃣2️⃣LoRA：插A/B矩阵，仅更更新两矩阵，轻量化。
1️⃣3️⃣ 矩阵初始化：A正态、B全零，后归一化。
1️⃣4️⃣LoRA秩：r=16，搭配α=32，兼顾效果与成本。
1️⃣5️⃣ 三数之和：排序+双指针，去重，O(n²)。