字节大模型算法岗一二面面经

1️⃣大模型推理优化方面KV Cache 、PagedAttention 、FlashAttention 等技术，提升吞吐和显存利用率。2️⃣高频考点vLLM 与 PagedAttentionKV Cache 原理与优化推理加速综合策略3️⃣公司考察侧重点差异💞字节跳动：全面覆盖推理优化、推荐系统、多模态等多个方向，考察系统化思维能力👀腾讯：偏重推理框架（ vLLM 、FlashAttention ）和长上下文优化🍎美团／滴滴：关注实用化推理加速技术选型和实践经验4️⃣面试准备建议➡➡掌握核心原理：深入理解 vLLM 的PagedAttention 、 KV Cache 、 FlashAttention 核心技术的实现机制。➡➡积累实战经验：准备具体的优化案例，包括量化效果、延迟提升数据等量化指标。➡➡构建系统视角：不仅要懂算法原理，还要了解系统资源调度、并发处理等工程实践。⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备📳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。

岗位名称：推荐算法面试时长：1h+自评分：7/10是否下一轮：待通知一、检索与排序在项目中使用的 BM25 原理是什么？相比 TF-IDF 改进在哪里？公式中每一项的含义是什么？（追问）k1 和 b 参数分别控制什么？如果 b=0 会发生什么？为什么在实际系统中要做混合检索？Sparse 检索和 Dense 检索的基本原理分别是什么？（追问）两种方式在长尾 Query 上的表现差异如何？Dense 检索中常见的相似度度量方式有哪些？为什么很多系统选择 Cosine 或 Inner Product？（追问）如果向量没有归一化，Inner Product 和 Cosine 的结果会有什么差异？在你...

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

社招算法一面问PPT上的项目+一道hard题，约一个多小时。中间一个星期不回复，问就是有其他candidate。估计其他的面完不太行，以及我问的比较积极，捞我起来二面。线上/线下，为了表示诚意选择线下。我问hr要不要准备什么，告诉我啥都不用准备，到了现场老板问我光讲吗。没让自我介绍，项目聊得很浅，问为什么离职，有什么期待，等等。我信OpenAI研究员Gabriel Petersson的求职观点的鬼话，花了不到一天按照岗位要求举例的一项做了一个上线的demo，根本没有卵用。二面一样拒。他们只在乎你的落地经验的匹配度。求职不要花太多时间精力金钱在一个职位的申请上，公司只筛选，我们应该做的也是筛选。