快手广告大模型面经

1. 介绍了自己的课题，如果使用vlm来做，可以做吗，任务怎么迁移（开始聊天并引导），SFT应该怎么做2. vlm的架构了解吗，qwen3-vl的论文有没有看过3. agent训练的结果是如何评估的4. RFT的数据如何获得，轨迹数据的评估清洗能否用llm提效5. 课程学习是怎么做的，有没有对比使用课程学习和不使用的结果6. 在当前scaling law的背景下，你觉得课程学习还有必要吗，为什么7. Adam对比SGD改善的地方8. 训练环境稳定性，做了哪些工作，问了下可优化的地方9. 八股：位置编码+ layer Norm10. 有没有跟一些最新的paper面试官非常好，会主动引导思考

快手：base北京，广告大模型方向，(n+2)×16+签字费，工作强度应该是10105。优势：高1k base，多一个月年终，广告大模型好跳槽。劣势：base北京，工作强度大。蚂蚁：base杭州，多模态大模型业务组，(n+1)×15+签字费，工作强度不算大。优势：杭州，工作强度舒服，有补贴，蚂蚁有很多老员工。劣势：升职加薪速度可能不如快手，蚂蚁这个业务方向不如快手好跳槽。京东：base北京，搜推大模型方向，n×20，工作强度据说这个小部门是10105，但是传闻京东工作强度非常大。offer决赛圈实在是太纠结了，请大家帮忙选一下，如果有了解这几家公司的也请不吝赐教

面试官2： 1. 项目是怎么来的，是你的课程内容吗2. 介绍一下 项目3. 拷打项目面试官1：1. 再问高考成绩2. 未来规划3. 计算机是否为第一志愿，怎么考虑的4. 是否了解ai，有哪些学习的途径5. 简历上写的技术栈中哪一项比较熟悉，挑一个你熟悉的介绍介绍，我选了redis 开始吟唱八股，讲了数据结构，持久化方式 ，准备讲集群的时候被打断，告知可以了，面试官2 下线面试官2（继续拷打项目八股）：1. 讲一下分布式锁2. 讲一下sql 的锁，事务，索引，为什么要使用雪花算法雪花算法分布式id的结构3. not in 是否能走覆盖索引4. 讲一下 redis 的数据结构以及使用场景，你的项目中是怎么用的5. 缓存三兄弟6. 布隆过滤器原理7. 你项目中使用了mq, 在项目中使用mq 的时候遇到了哪些问题，怎么解决的，8. mq 可靠性怎么保证9. 讲一下aqs的底层原理10. aqs 实现公平锁和非公平锁分别是怎么实现的11. springbean  的生命周期总体来说八股吟唱得很顺利，再加上手里已经有了个offer，所以整体感觉很从容，甚至最后被面试官问从哪些学的这么多东西，学了多久哈哈，全程一小时左右，一天后约三面

算法岗越来越卷，还在纠结简历写什么？ 拒绝千篇一律的“minist手写数字识别”！ 今天盘点 3 个不同技术方向的硬核项目，建议根据自己的赛道，选一个死磕到底！👇1️⃣ 【LLM 应用赛道】—— 紧跟风口  📂 项目：基于 LangChain + RAG 的垂直领域问答助手为什么做： 现在 10 家面试 8 家问大模型。不懂 RAG（检索增强生成）真的很难聊！核心考点： 向量数据库 (Milvus/Faiss)、Prompt Engineering、文档切片策略、甚至 LoRA 微调。一句话亮点： “解决了大模型幻觉问题，实现了基于本地私有数据的精准问答。”2️⃣ 【硬核基建赛道】—— 专治手痒  📂 项目：从零手撸 Transformer (Pytorch复现)为什么做： 别只做“调包侠”！面试问 Multi-head Attention 细节又又又卡壳了？核心考点： Self-Attention 矩阵计算、Positional Encoding 原理、Mask 机制。一句话亮点： “不依赖高级 API，从底层张量运算构建模型，深入理解 Attention 机制。”3️⃣ 【AIGC 视觉赛道】—— 视觉魔法  📂 项目：Stable Diffusion 扩散模型复现与 LoRA 微调为什么做： CV 岗已经从“识别”卷到了“生成”。不要再玩那个YOLO ！核心考点： DDPM/DDIM 采样原理、UNet 结构（mile-stone）、CLIP 多模态对齐、ControlNet 控制生成。一句话亮点： “掌握 AIGC 核心流派，具备模型微调与可控图像生成能力。”💡 最后的小建议： 项目在精不在多。 与其罗列 多 个 Demo，不如把其中一个吃透，把遇到的 Corner Case、性能优化、思考过程写进简历里。