招联金融算法岗面试总结

1. 介绍一下项目2. 多头注意力机制的计算复杂度是多少？3.LoRA 的核心思想是什么？4. GRPO 训练时 KL 散度控制得怎么样？5. SFT 阶段如何避免对padding token 计算 loss ？6.训练 SFT 模型时 loss 出现剧烈震荡，你是如何诊断并解决的？7. Transformer 中为何使用 LayerNorm 而非 BatchNorm ？8. Transformer 里LayerNorm 放在 Attention 前还是后？有什么区别？9. logprobs 在一致性奖励中起什么作用？📳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。

站在入职的节点回头看，去年的自己其实挺“轴”的。那时候立下的flag很简单也很功利：把基础打牢，一定要拿到一份满意的嵌入式offer。现在回头看，那些熬夜啃C语言指针、死磕RTOS调度原理、对着示波器调试时序的日子，虽然枯燥，但确实是这些积累帮我敲开了职场的大门。去年的flag算是圆满达成了，不仅收获了心仪的工作，更重要的是建立了作为一名嵌入式工程师的自信。当然，拿到offer不是终点，而是新的起点。对于即将开始的职业生涯，我给自己定了几个更接地气的小目标：完成“学生”到“工程师”的思维转变：不再只满足于“代码能跑通”，而是要追求代码的可读性、健壮性和工程规范。尽快熟悉公司的代码风格和开发流程...

感觉推荐算法跟开发一样 各种场景超多业务，但是增量真的有限，低的用DNN都能跑出收益，水位线高的都在卷生成式。我目前接触过一些ai搜，做一些意图识别、搜索算法也是需要训模型的，感觉是不是比纯粹的推荐算法靠谱一些呢

每年这个时候，总能听到同样的话：“我基础还没打好，等寒假再说吧。”“春招不是三四月吗？现在还早。”“嵌入式不急，岗位又不会跑。”但现实是——如果你现在还没开始为嵌入式春招做准备，大概率已经晚了。一、春招不是三四月开始，而是现在就开始了很多人对“春招”的理解，停留在投简历、面试的时间点，却忽略了真正决定你能不能上桌的，是前置准备。对嵌入式来说，从现在到春招高峰，最多也就三到四个月。而这三到四个月里，你至少要完成：C/C++基础补全数据结构与操作系统理解裸机 / RTOS 项目经验Linux 驱动或应用层开发简历打磨 + 面试刷题这些东西，哪一个是一个月能学完的？等你“准备好了”，岗位早就被提前批...