大模型算法面经分享-阿里暑期

最近按当前筛选整理了一波面经，这次挑了 10 篇相对值得复盘的内容，方便刷题和回看。1. 快手｜AI应用开发｜一面日期：2026-05-07关键词：快手面经难度：5 星标签：技术面 / 有代码题技术栈：Agent、Multi-Agent、MCP、Skill、Function Call、上下文工程、上下文压缩、短期记忆面经总结本场一面重点深挖AI Agent应用能力，尤其是多智能体、工具调用、上下文压缩与记忆架构设计，并考察了一道经典算法题。高频问题【Agent与工具调用】介绍多智能体范式以及各自优缺点。【Agent与工具调用】聊聊你对MCP的理解。【Agent与工具调用】是否了解Skill，介...

继续来分享下最近的面经~1.详细介绍实习工作2.重点讲清楚自己解决的是什么问题3.讲清楚背景、自己负责的问题、以及一步步解决的过程4.讲一下通过这段工作总结了哪些经验5.介绍最终各个指标6.SFT 的 LoRA 和 DPO 的 LoRA 有什么区别7.详细展开实习工作8.设计了哪些实验9.最终选择了哪个方案，为什么10.最终交付是怎么交付的11.聊了一下 RAG无手撕

流程挺快的, 一面和二面的间隔大一点, 二面完几分钟就三面了1. 自我介绍2. 实习拷打 大部分时间都在实习上 总时长感觉1小时左右, 一半的时间都在问实习3. 特征筛选如果不只看相关系数，你会怎么做特征筛选不能只看单变量相关性，因为很多特征单独看不强，但和其他特征组合后才有信息量。更稳的做法通常是先做业务分组和统计稳定性检查，过滤掉高缺失、高漂移、强泄漏和强共线的特征；再结合树模型增益、置换重要性、SHAP 分析和线上可用性做二次筛选。对大模型应用相关任务，还要额外关注特征是不是把未来信息泄漏进来了，比如用到了答案后的行为、后验标签或者系统回写字段。真正好的特征不是“看起来复杂”，而是对目标...

xdm 早上喝奶茶差点喷出来。事情是这样的，我们班有个哥们儿，简称 L，去年秋招拿了字节sp，专业方向是后端。我们当时都震惊：这哥们儿平时课上从来不发言，期末小组作业基本是划水的那种，刷题平台 commit记录我点进去看过，绿格子稀稀拉拉。但他面试一路绿灯。一面二面三面 hr 面，全过，给的还是sp。当时班级群里恭喜他的、问他经验的、约饭的，热闹了一周。他说自己"运气好，准备充分"。我们都信了，直到三月初他入职。入职第二周开始，班里另一个进字节的同学W（在隔壁组的）开始跟我他的不对劲。一开始是写代码慢，后来写不出来，再后来是组里 mentor 让他fix 一个简单 bug 都搞了一下午没动静。最离谱的是上周。W 说他们大部门搞了个新人分享会，让新人讲一下自己负责模块的设计思路。L 上去讲了 20分钟，全程念稿子，问答环节别人随便问一个"那你这里为什么用 Redis 不用 Memcached"，他直接卡 30秒说"这个我回去再确认一下"。会后他 mentor 直接找 leader 谈，leader 找 hr 谈，hr调出了他面试录像，全程对比口型和回答节奏，发现他二三面有大量时长在偷偷看屏幕外（推测开了双机位 AI 答题）。（这段是 W后来转述给我的，他自己也是听他组里同事八卦来的）昨天下班前，W 告诉我L 被辞退了，让他自己走，不走就走仲裁但会发函到学校。L 现在已经回学校了，朋友圈仅三天可见。我说真的，我不是个心眼小的人，但是我看到这个消息的时候真的有种"嗯，挺好"的感觉。去年秋招我投字节后端，简历挂。我准备了八个月，背 八股 + 刷 500 题 +项目改了三版，连面试机会都没拿到。班里这哥们儿凭着一个外挂上岸，最后还是被甩出来了。不是说作弊就一定会被发现，但是当面试拿到的 offer远远超出真实能力的时候，迟早会有这一天。试用期三个月不是给你过家家的，是真的要写代码、要在会议上回答问题、要扛需求的。我现在反而有点同情他。同情他相信"上岸就是终点"。发出来不是为了嘲笑谁，就是想说给那些正在被身边作弊上岸的同学搞得很 emo 的 uu 们听——别急，回旋镖很长，但它一定会回来。你继续刷你的题，写你的项目，背你的八股。该是你的迟早是你的，不是你的早晚还得还回去。xdm 共勉。