大模型算法三面-Minimax 攒人品中

给我面没招了，发点面经攒攒人品～1.项目拷打2.语义漂移吗？如果遇到罕见病，模型产生‘幻觉对齐’导致误操，有没有方案去做兜底3.在医疗决策里，‘兴趣’是伪命题，‘合规’才是核心。用常规的DIN是做用户兴趣建模，但把DIN 里的激活单元改成了双线性交互这会不会导致模型对‘强特征’（如过敏史）的敏感度被‘软语义’稀释？4.知识库里既有权威指南又有脱敏病例。当这两者发生逻辑冲突时（比如新版指南否定了旧病例的方案），路由机制是怎么做确定性仲裁的？5.说的算子融合具体是怎么做的6.做生成式推荐重构，LLM虽然语义理解强，但天生带有选择偏见（。在冷启动场景下，怎么保证模型生成的物料序列不会陷入‘信息茧房’？7.手术机器人的环境是很复杂的，比如它组织形变是不规则的。你提到的不确定性感知），具体是基于传统的卡尔曼滤波还是基于大模型的分层鲁棒控制？当模型预测的8.动作序列与传感器实时反馈发生显著偏离，怎么实现毫秒级的安全制动9.用Pseudo-ID做时序追踪，但如果攻击者通过多维病理特征进行逆向重构，Embedding层做了哪些差分隐私处理10.手撕：Transformer block实现

1. 介绍一下你做过的一个项目2. LoRA 的原理以及初始化方法是什么LoRA 的核心是低秩适配。对于原始权重矩阵 (W \in \mathbb{R}^{d \times k})，全参数微调直接更新整个 (W)，成本高、显存占用大。LoRA 认为下游任务需要的更新往往落在一个低秩子空间里，所以把增量写成：W' = W + \Delta W = W + BA其中，并且r≪min⁡(d,k)r≪min(d,k)。训练时冻结原始参数 (W)，只训练 (A) 和 (B)，这样参数量和优化器状态都能显著下降。初始化时通常让 (A) 随机初始化，(B) 初始化为 0，或者相反。这样一开始 (\Delta...

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.深挖论文，3dgs的优化参数是什么4.训练数据是怎么来5.球谐函数的作用是什么6.问了一些经典网络结构，从卷积到注意力机制7.简单画了一些transformer的结构，推注意力机制公式8.手撕，合并多个有序链表

985，大三，机器学习方向，整理一下投实习的时间线，供参考。2月第1周：完成简历，主要项目为两段科研经历+一个kaggle竞赛，GPA 3.82月第2周：开始投递，优先字节、阿里、腾讯算法岗2月第3-4周：笔试密集期，字节、百度、美团、华为笔试均已完成3月第1周：面试开始，字节算法一面通过，阿里一面通过，其余等待3月第2周（现在）：准备二面，同时继续投递中小厂兜底一个效率点：算法岗网申普遍表单较长（含论文/竞赛/项目填写），早期投递花了大量时间在重复填写上。后改用牛客网申助手，标准字段自动填入，节省了不少时间，可以将精力集中在差异化内容的撰写上。建议同方向同学尽早开始，算法岗对项目质量要求高，...