整体面试还是不错的，发一下问题给大家参考，攒攒人品！1.项目拷打2.多场景建模了解3.针对MMOoE的负迁移和跷跷板问题，提出了什么模型？哪家公司提出的？4.有一篇引用量最高的 STAR模型，了解吗？5.讲讲专家极化问题怎么解决？6.会不会写spark？7.懂不懂hdfs（分布式）？统计基础1.假设检验的实际问题2.中心极限定理3.辛普森悖论手撕代码1.二分查找

发点面经攒攒人品1、你在线上或离线训练时，过拟合怎么处理？直接说你最有效的三个方法和拿到的收益。2、把 BN 讲透：原理是什么；训练期和推理期用的统计量有何不同；跟 LN、GN 比，分别什么时候用、怎么取舍。3、分类和回归你最常用哪些损失？你更偏好哪几个，为什么（从鲁棒性、梯度、数值稳定性上谈）。4、L1 和 L2 正则你怎么选？它们各自的效果与风险是什么，工程里你是怎么权衡的。5、二元和多分类的交叉熵你怎么写？在工程里你怎么做数值稳定实现。6、AUC 到底在统计上代表什么？你怎么计算它，在线上业务里你如何解释“这次 AUC 提升”的含义。7、你做 CTR/CVR/CTCVR 联合建模时，ESMM/ESMM2 是怎么推导与工程落地的？线上到底带来了什么收益。8、Transformer 里因果注意力的 Q/K/V 各从哪来？Mask 具体怎么实现。9、Scaled Dot‑Product Attention 为啥要除以 √dk？如果不除会出什么数值或训练问题。10、把 Transformer / Decoder‑only 的整体结构过一遍，各个组件分别在干什么，有哪些常见变体。11、位置编码这条线你怎么选：绝对 PE、相对 PE、RoPE 各自的思路、优势和局限，结合你的项目谈取舍。12、长上下文怎么搞？Rope scaling、Position Interpolation、KV Cache 管理、检索增强、窗口注意力，你的实战方案是什么。13、KV Cache 在训练和推理中的差异是什么？它的加速价值有多大，吞吐与延迟你是如何权衡的，vLLM/paged‑attention 需要注意什么。14、PEFT 方案里（LoRA/QLoRA/Prefix/Prompt‑Tuning/Adapter）你怎么选？说说稳定训练的经验。15、SFT 和对齐（RLHF/DPO/IPO/PPO）原理差在哪？在不同数据与资源条件下，你怎么选路线。16、RAG 系统你怎么设计？切分、索引、召回/重排、压缩/融合、兜底策略怎么串。17、提示词工程你是怎么搞的？System/角色/约束/分步指令怎么写，如何防越狱

1. 大模型相关经历深挖：你项目里最核心的贡献是什么，怎么验证有效2. 对比学习 loss：负样本和正样本拉不开/太像了，你会怎么改损失或采样3. FlashAttention 跟普通 attention 的差异？实现里 QK^T、softmax、PV 这几步怎么落4. 3D 并行里 DP/DDP 你怎么理解；实际落地时通信瓶颈一般卡在哪些环节5. 14B：FP16 权重大概多大；训练还要加哪些；INT8 大概能省多少6. torch.contiguous() 干嘛的？推理为什么在意连续性7. 代码：读 txt 井字棋（3×3），判断当前玩家是否获胜8. 交叉熵损失：解释/怎么写9. 线性回归用 SGD：更新公式怎么推/怎么写⭕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。

面试很难，还是要多多练习,发点面经攒攒人品～1.Embedding与生成模型协同工作是怎么做 的?2.减少大模型幻觉，你用过哪些方法?3.大模型输出幻觉如何识别?有什么自动化评估指标?4.搜索准确性不高你怎么排查?召回、排序哪个阶段最可能出问题?5.如何从系统层面提升搜索结果的相关性?6.你在项目中做过哪些相关性优化?有没有量化结果?7.生成式搜索能否保证top-1的准确性?怎么提高?8.生成式搜索流程怎么设计?9.生成式排序你了解吗?10.如何构造排序模型训练数据?如何解决正负样本不均?