高德 秋招二三面

一面 1. 实习介绍2. 刚上来就手撕：非hot100原题，用二分搜索求解3. LightGBM原理4. XGboost与LightGBM的区别5. 了解transformer吗6. Q、K、V的含义是什么7. DIN模型了解吗？改进是什么呢8. 问了一下自己的专业，不是科班为什么要转码（这个真的是被问了好几次）9. 反问环节二面：1h1. 实习介绍2. 项目介绍3. 项目的数据量4. 特征的维度，模型的具体参数5. 激活函数了解吗？RELU有什么坏处？改进是什么（我回答了LLAMA用了swiglu激活函数）6. 了解哪些大模型框架呢（LLAMA和Deppseak）7. GRPO的原理，改进是什么呢8. 手撕：最高温度+二叉树的每一层最大值

1. 手撕 合并区间2. 八股1）请介绍 Transformer 的结构组成及各部分作用，在长序列时空数据中，2）如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3）GNN的消息传递机制是怎样的？在时空图中，如何结合时间信息编码节点特征？你接触过哪些时空 GNN 模型？4）LoRA微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？5）RAG的完整流程，在时空出行数据场景里，构建向量检索库时如何处理时间衰减对召回的影响？6）强化学习在 Agent 优化中的应用，结合出行推荐 Agent，你会如何设计 Reward 函数？3. 项目1）微调时的训练数据是怎么构建的？如何保证样本多样性和质量？2）在 RAG+时空知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？是怎样保证实时性的？3）在大规模轨迹数据下是怎么做负采样（Negative Sampling）的？4）训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？5）在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？4. 开放题1）大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？2）如果你要在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？

十月中旬面的二面状态一直面试中，十月底给hr电话，反馈说面试通过了但是架构调整导致约不了面（？？？），本来以为凉凉了昨天又打了个电话过去，hr原话：那给你约一个三面吧（？？？），这面试真的有意义吗，现在大厂还在招人吗

1.Lora 的相关八股:常见参数、缩放2.有没有做记忆衰退，避免旧数据干扰新任务？3.Deepspeed zero3为什么比zero2更省显存4.训练大模型的框架都有哪些呢5.讲解一下 Flash Attention6.讲解一下 Qwen 的滑动窗口注意力机制，计算量是多少？7.PPO 的损失函数构成。8.讲解一下KL散度。PPO和GRPO的损失函数有哪些区别？9．在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？10．32B 模型全量微调 和Lora 微调的显存估算11．你们这种模块堆叠的架构是怎么设计视觉问答模块和动作模块的协同逻辑的？12. human feedback 是怎么被 agent 消化吸收的？📳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。