百度一面凉经-大模型算法

最近翼支付在牛客热度好高，有不少学弟学妹来问我关于翼支付的求职流程。我之前秋招顺利拿到了offer，今天就把我当时的准备思路和面试心得整理出来，希望能给大家一些参考。  一、求职准备：从“广投”到“精投”我是在秋招中后期才开始系统准备翼支付的。说实话，刚开始也走了不少弯路，后来总结下来，最关键的一步是：明确岗位方向，针对性补基础。我投的是技术类岗位，所以重点在以下几个方面做了准备：计算机基础：数据结构、数据库、操作系统、网络，这些是技术面试的“底盘”，我每天花1-2小时系统梳理，不求深但求全。金融科技常识：翼支付业务涉及支付清算、风控、金融产品等。我专门去了解了第三方支付的基础流程、备付金存管...

感觉面完人都通透了，还是太菜了，下去沉淀一下1.项目拷打2.讲一下Qwen架构3.层归一化和RMS归一化的区别4.lora 是怎么节省显存的5.然后当场给了个场景，让我分别计算了一下全参和lora分别占多少显存6.讲一下RAG7.自注意力公式，为什么除根号dk8.线性回归的损失函数是什么？逻辑回归的损失函数是什么？9.逻辑回归损失函数为什么不能是MSE10.softmax不同类别样本数量极不平衡时怎么办？11.手撕了一个二分查找的题

1. 自我介绍2. 多模态里的旋转位置编码是怎么落到二维视觉 token 上的二维视觉 token 不像纯文本那样天然是一维顺序，所以多模态里的 RoPE 通常不会直接照搬文本侧。常见做法是把二维位置拆成行和列两个轴，分别做旋转位置编码，再把两个方向的信息组合到同一个视觉 token 表示里。这样模型在注意力里不仅能感知“前后”，还能保留一部分“上下左右”的相对结构。真正难的不是公式本身，而是视觉 token 经过压缩、重采样、patch merge 之后，原始空间坐标已经不再一一对应。这个时候二维 RoPE 的设计就要和视觉编码器、projector 以及后续 token 压缩方式一起看，否...

4月10日，26届依旧0offer