滴滴26秋招算法二面

八股文:
1.为什么图像要划分 patch，对应物理含义，对比联系 nlp 文本
2.不同 loss 应用任务场景，解释 loss 怎么算
3.lora 原理，初始化，为什么，对比 sft
4.图像分割任务数据少，不同场景数量不均衡怎么解决，过拟合欠拟合，怎么解决，除了加数据呢，除了改loss 呢(还说了数据增强)
5.训练网络过程的一些优化
6.batchnorm和layernorm 区别，为什么用，在哪里用
7.attention 及其变体原理，cross attention 的 qkv 来自哪里
8.其他的记不太起来了，都是基于简历和组内业务的延伸好像，总结来说都不难，

简历拷打内容:
1.自述最得意的 paper 和实习*1，你觉得你做得最好的一点在哪里,
2.期间穿插模块细节询问，实现手段，觉得有什么问题，怎么改进，
3.询问自己做的一个小 demo，各个模块设置的动机，然后开始压力我