pdd算法岗笔试

整体面试还是不错的，发下面经给大家参考～1.实习介绍2.在微调大模型时使用过哪些框架3.CLIP模型的zero-shot能力是如何实现的？4.Transformer中Pre-Norm和Post-Norm的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型（如LLaMA、GPT）中，为何通常采用Decoder-only架构而非Encoder-Decoder结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对Transformer模型推理过程，会采用哪些优化手段8.请阐述检索增强生成（RAG）的核心原理，并说明如何通过RAG缓解大模型的幻觉问题。9.vLLM框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10请对比RLHF、PPO、DPO算法的技术差异、优缺点及适用场景

1. 先做个自我介绍您好，我是XXX，目前就读于XXX大学XXX专业。在校期间对Java开发产生了浓厚兴趣，系统学习了后端开发技术。技术栈方面，掌握Java核心技术、Spring全家桶、MySQL、Redis等。熟悉微服务架构，用过Spring Cloud的Nacos、Gateway、OpenFeign等组件。项目经验上，我独立开发过电商系统和在线教育平台。在电商项目中实现了商品管理、订单处理、秒杀等功能，处理过高并发场景的优化问题。在线教育平台实现了课程管理、视频播放、在线支付等模块。学习方法是理论结合实践，遇到问题会查阅官方文档和源码。平时关注技术社区，保持学习的习惯。希望能加入观妙科技，...

给我面没招了，感觉自己好菜1. 解释LoRA训练方法，以及低秩矩阵更新的原理和优势2. 有了解传统精排方法吗，比如LTR3. 有了解Qwen3的embedding和Reranker模型吗，结构和特点是什么4. 结合项目讲大模型训练的几个阶段的特点和异同5. 介绍GRPO、PPO、DPO，分别需要几个模型，需要训练的是哪些6. 重要性采样有哪些方法，比如裁剪、KL散度约束、加权归一7. 介绍GSPO的优化点，腾讯最近出的SPO系列算法有关注吗8. 大模型微调过程中，如何避免灾难性遗忘9. 模型蒸馏在大模型落地中的作用和常用方案代码部分1. PyTorch实现GQA（分组查询注意力）2. 接雨水，要求手写两种方法：暴力法和双指针3. 经典SQL题：分组统计、排序、条件筛选

给我面没招了，发点面经攒攒人品～1.GRPO 和 PPO 在 RLHF 中的核心区别是什么？2.KL 散度在 RLHF 中的作用是什么？它的公式如何直观理解？3.vLLM 的核心优势是什么？它是如何通过 PagedAttention 提升显存利用率的？4.Qwen3 和DeepSeek-R1 在架构上有哪些关键差异？5.微调数据集的结构是怎样的？有多少条？数据清洗和有效性验证是怎么做的？6.奖励函数是如何设计的？7.怎么避免模型靠堆字数刷奖励？8. KV Cache 在长上下文推理中可能被污染，你们有做缓存隔离或清理机制吗？9.本地部署时，如何平衡vLLM 的上下文长度和显存占用？是否做过量化或动态批处理？10.手撕：乘积最大子数组（LeetCode 152）