快手．大模型应用一二面

🍓一面时长约50min，面试官很和蔼，体验感还不错。
1．面试官先简单介绍了下团队，然后是自我介绍；
2．拷打了一下项目和论文；
3．为什么多头注意力能提升表达能力？
4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？
5.LoRA和 PromptTuning 有何区别，分别适用于什么场景？
6．模型微调时遇到过过拟合吗？怎么处理的？
7．大模型推理时的加速思路？
8.KV Cache 是怎么起作用的？为什么对长上下文推理很关键？算法题手撕：
字符串的全排列。
二叉树序列化与反序列化。
✅面试感受：整体提问节奏比较平稳，面试官很有亲和力，有的地方卡住了还会给提示。
🍓二面时长约40min，主要是针对简历进行深挖。
1．自我介绍。
2．深挖项目，针对项目思路不断追问。
3．大模型生成内容如何做去重过滤？
4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？
5．如果要在中文领域做 Instruction Tuning ，需要注意哪些数据问题？
6．反问
✅面试感受：二面的氛围和一面截然不同，面试官提问非常犀利，没有太多套路问题，并且对细节很关注。
📳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。