大家简历都写几页呢？

一面: 1.对项目很感兴趣提了很多问题(不是质问，是疑问)2.之后问Transformer架构(详细讲了整体的流程3.详细问transformer的decoder组件4.提问既然decoder-only架构已经可行了为什么还需要encoder5.提出他们准备借鉴decoder架构做生成式推荐，问我有什么想法，可以怎么实施6.根据我的简历项目，问为什么做完SFT还要做RLHF，问RLHF的好处(需要明确指明可以做到SFT哪些做不到的地方)7.问强化学习方法原理，问的特别细(感觉是因为面试官不太懂)8.手撕-只记得是力扣原题，很简单二面:1.讲项目(我超详细的从项目背景到具体怎么做的给面试官叨叨了十五分钟)2.没再提问了，直接给我介绍他们的业务，介绍他们现在想用大模型技术做搜索推荐，因为别的公司已经有成功的尝试了所以他们也准备做这个无手撕

一、手撕和八股1. 手撕岛屿数量，秒了2. Transformer 中 Attention 的本质是什么？你能从数学角度简要解释一下吗？3. 在 Agent 多轮对话任务中，你觉得 Attention 的局限性体现在哪些方面？4. 简要介绍一下 SFT的核心流程，以及数据集的构建策略，SFT之后常见的 Post-Training 还有哪些？它们之间的目的有何区别？5.  什么是 RAG，它是怎么提升生成质量的？与传统检索 + 模型生成的流程有何不同？你是如何评估一个RAG系统是否work的？6. PPO 和 DPO 在大模型对齐中的主要区别是什么？DPO 训练通常有哪些注意事项？用过GRPO么？二、简历1. 你在提到过 Modular Agent，你能讲讲它是如何实现多步规划的吗？2. 你提到了多个工具调用链路，调度策略是如何设计的？是否有异常 fallback 策略？3. 你构建的 Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？4. 你还微调过Qwen，选择的训练阶段和Loss函数是如何决定的？5. Prompt 自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？三、业务场景相关相关假如一个 Agent 推理链路包含 3 个工具 + 高频请求，系统整体延迟较高，你会如何优化？

标准的KPI面试，面试官随便问了几个简历上很浅的问题就结束了八股文：DPO、PPO、GRPO的优劣势手撕：反转链表（ACM模式，自己写示例）反问：部门具体业务.....(当他主动跟我说不是他招实习生，是隔壁部门招实习生，他临时被喊过来的时候，我就知道gg又是浪费时间的一天）

一面: 1.项目介绍2.面试官是同校大我三届的师兄，一眼被他看出项目深度不够，于是简单了解完之后直接开始八股3.问kv cache相关4.decoder的 qkv输入分别来自哪5.除了MHA还知道哪些(GQA MQA MLA)讲原理6.问DPO PPO GRPO DAPO 原理、公式、为什么这么做7.有没有看过原论文有什么自己的理解8.DPO的训练和PPO的奖励模型的训练过程是否一样9.问有没有看过deepseekqwen的技术报告，问MoE10.告诉我快手新发了几篇强化学习的论文让我去看(ARPOAEPO)11.然后问了三道智力题:一个开关灯、一个烧绳子计时、一个水桶倒水12.出了两道编程题:题目难度不小，都是力扣困难题，还不是原题，涉及到改编