一面 1.介绍项目，问项目难点在哪，怎么解决的2.问项目里的数据合成方法，如果不这么做还可以怎么做3.问RAG的流程，知识库，检索方式，提示词怎么写的，问RAG里的一些问题，如果检索不到怎么办，如果知识库没结果怎么办等等4.问DPO PPO GRPO原理，问loss怎么算的，对比5.做DPO的时候调了哪个参数，有什么作用(beta)6.transformer架构、注意力机制，问知不知道其他的除了7.MHA之外的比如GQA等8.手撕-旋转遍历矩阵二面1.介绍项目，问项目背景、项目里一些问题2.讲了实习项目里DPO的一些设计3.问知不知道模型训练的一些参数，答了温度参数、topp、top-k这些，然后问互相搭配的一些影响，问原理手撕-忘记了但也是力扣原题很简单

bg 9本华五硕，毕业想回成都，现有3 offer+1 oc，友友们帮选一下，工作地点都在成都1. 成飞132厂 硕士年包20w，试用期一个月10200，绩效工资大于基本工资，安家费12w，岗位不确定后面根据专业分配2. 招银网络科技 java软件开发，年包26w，一个月15000，绩效分季度和年一共发五次3. TCL实业 c++开发，做手机平板操作系统一个月22300，年终0~5个月，校招平均参考3月4. 蚂蚁 安全工程师，还没正式开奖，去年是23k*165. 华为 数存 通用软件开发，面完了泡池子中

1．项目介绍2．讲讲你对 transformer 的了解3．有哪些常用的解码策略， topp 和 topk 的具体细节，以及实现上的差别4. 意图分流的 agent 怎么做微调的，用了多少数据5.如何做 embedding 微调的，如何构造正负样例，训练的 loss 是什么6.RAG有哪些可优化的地方7．你的 RAG 项目中用到了 agent 吗，一般 agent 会用在RAG 链路中的哪些部分8．做 sft 时是怎么做数据配比的，参数具体怎么设置的9.RLHF的流程，有没有训过 PPO10. deepseed 的原理，zero1,2,3怎么做的11.了解过排序模型吗，讲几个经典的排序模型吧12．说一下 vllm 部署8*7B的 MOE 模型每秒大概能推多少token13．对比学习了解吗，讲一下（比较突然，不知道为啥要问）14.code :实现rand5到rand7

一面: 1.项目介绍2.面试官是同校大我三届的师兄，一眼被他看出项目深度不够，于是简单了解完之后直接开始八股3.问kv cache相关4.decoder的 qkv输入分别来自哪5.除了MHA还知道哪些(GQA MQA MLA)讲原理6.问DPO PPO GRPO DAPO 原理、公式、为什么这么做7.有没有看过原论文有什么自己的理解8.DPO的训练和PPO的奖励模型的训练过程是否一样9.问有没有看过deepseekqwen的技术报告，问MoE10.告诉我快手新发了几篇强化学习的论文让我去看(ARPOAEPO)11.然后问了三道智力题:一个开关灯、一个烧绳子计时、一个水桶倒水12.出了两道编程题:题目难度不小，都是力扣困难题，还不是原题，涉及到改编