记录

📍面试公司：4399💻面试岗位：系统测试❓面试问题：1.自我介绍2.你在实习过程中做了哪些功能测试3.白盒测试和黑盒测试的区别是什么4.在你的实习过程中做了哪些白盒测试5.针对一个计算器程序设计测试用例6.针对一个矿泉水瓶设计测试用例7.上线当天出现严重bug你会怎么处理8.如何跨部门沟通9.最近有在学习哪些技术？怎么学习的10.给我讲讲mitmproxy，为什么选他11.讲讲playwright，和selenium的区别是什么12.什么时间能来13.你对于测试这个工作怎么理解的14.你觉得测试人员哪些能力是必须要具备的反问：1.系统测试主要的业务是什么（类似于技术中台）2.流程是怎么样的面了20min，光速结束🙌面试感想：无技术拷打，感觉是kpi面

面试是24年7月的现在已经入职几个月了，补一下面经，帮有需要的同学参考。BG：本硕985 计算机论文1A1B一面：技术面自我介绍 & 简历相关。简单介绍了自己在多模态和大模型方向的研究/工作经历，包括在校期间的论文工作以及实习经历。面试官主要针对简历上的项目提了一些细节问题，比如具体模型的量级，提升了多少，和哪些方法做了比较等。因为是自己的工作，所以没有卡壳。问有没有遇到过 Python 文件之间互相 import 的问题，出现这种问题怎么办？让我简单介绍了一下 PPO 算法，以及和 TRPO 的区别是什么？接着 PPO，问了一下 ChatGPT 的 RLHF 流程，以及为什么不直接用 SFT，而是要用强化这么麻烦的方式训练模型？继续追问 RLHF、SFT、LoRA 的区别，分别适用于什么场景？反问：公司现有业务是什么，计算资源情况等。二面：主管面论文介绍。让我用通俗的语言介绍我自己发表和投稿的论文，重点是研究动机和要解决的问题。问有没有亲手训练过大模型，最多用了多少张 GPU 卡？并行训练使用的框架是什么？介绍一下 DeepSpeed，说一下这个框架在并行的不同阶段（ZeRO stage）分别做了哪些事？训练模型的时候，数据量有多少，怎么收集数据的，训练花了多少时间？遇到的最大问题是什么？问在大模型全量微调时，显存消耗分别由哪些部分占用？（参数、梯度、优化器状态、激活信息等），分别占用多少？假设模型参数量为N，请分不同情况讨论和计算一下微调所需要的显存（不同精度、batch size、seq len 等）。说一下 LoRA 公式，讲一讲其中 A 和 B 两个矩阵分别表示什么。LoRA 的优缺点是什么，什么场景下适合使用？问知道哪些大模型训练和推理框架，用过哪些？问 LLaVA 的结构是什么，和常规的纯文本大模型有什么区别？Encoder-Decoder 结构的模型转 ONNX 的一般流程，遇到不支持的算子怎么办？可能遇到的问题（动态 shape、模型中逻辑判断需要单独写、模块拆分等）。三面：HR 面主要问了为什么选择公司，对团队的看法，对岗位的认识；未来大致的规划，面试过程的体验，有没有别的公司的 offer 等。以及询问了期望薪资等。之后就是等待，最终和期望薪资基本一致。总体感受面试流程比较顺畅，问题也比较贴合岗位要求；如果和岗位匹配度高，一般流程推进速度会很快。入职以后，工作内容和面试被问的问题也差不多，基本上都是算法工程师需要做的内容，团队氛围也很不错。只是毕竟是企业，不可能光搞研究，在承接业务时还是免不了和很多人打交道和来回battle需求，这个无可避免。

今年有正浩开奖的吗，报团取暖

📍面试公司：正浩创新🕐面试时间：9.20💻面试岗位：软件测试❓面试问题：1.自我介绍2.介绍一下两段实习的工作流程3.软件测试的流程4.怎么保证测试用例的覆盖率5.给电梯设计测试用例6.liunx 你要实时查看日志什么命令7.给你一个需求开发应该周四提测，但是拖到了周五上午，下周项目就要上线你会怎么处理8.你怎么看到没有缺陷和你没有发现缺陷9.职业规划10.在app测试中，一个按钮点击以后会有等待时间，有什么办法可以避免这个等待时间11.sql语句查询12.熟悉http协议吗🙌面试感想：