美团多模态大模型算法岗面经

1. 简历深挖围绕实习项目展开，问得很细，建议把自己做的每个模块的逻辑、贡献、思考都理清楚。2. 理论基础1.KL散度和交叉熵的关系？2.介绍LoRA，和全参SFT怎么选？小模型SFT vs 大模型LoRA效果可能如何？SFT数据集怎么构建？3.介绍AUC，它表达的是什么？4.Recall重要的场景下，如果recall很高但precision很低怎么办？5.Precision和Recall分别是什么？不同场景下如何权衡？哪个更重要？3. 手撕代码实现 shuffle 函数（注意洗牌算法的公平性和复杂度）

1.对你的这段实习展开讲一讲主要做哪些工作。然后以及这个过程中，你的一些成长和收获之类的。2. 这个过程中，你觉得你遇到过最困难的事情是什么？3. 你对于这份工作的预期是什么？4. 我们抖音上会经常刷到一些。比如说小游戏呀，或者是一些应用的推广的广告。以商品购物广告为例，然后去设计一下测试用例。5. 安卓os有一定了解吗？说一下，你觉得了解的是哪方面的？6. 手撕：合并两个有序数组

1，讲下实习项目c吧（应该是只有c和组里工作相关）2，模型某个设置可能会受到样本分布变化影响，怎么解决的3，回归用mse和mae区别在哪4，除了看loss，某指标如何离线评价（没说上来，胡言乱语了一下）5，（场景题）目前gpu资源比较紧张的前提下（没法做大规模实验），对于多目标模型，假如说现在有个特征想加，算了相关系数，跟ctr正向，cvr负向，那你到底要不要加上。（感觉又有点胡言乱语了）手撕交叉熵公式（卧槽刚想起来好像把label也写到log里面了……数学奇迹之log0）分割等和子集（边界条件磕磕绊绊了一下）反问业务 工作

八股 1.bf16 和 float16 的区别？各占多少位？训练中如何选择？2.DeepSpeed Zero 各阶段分别做了哪些优化？3.如何估算 LLaMA-7B 模型推理时的显存占用？4.Prefix LM、Causal LM、Encoder-Decoder 三类架构的适用场景与优缺点？5.Qwen 或 DeepSeek 技术报告中提到的关键创新点有哪些？例如： RoPE 外推、MoE6.PPO/GRPO 微调后，如何防止模型在分布外（OOD）问题上性能崩塌？7.是否自己实现过 RLHF 流程？不用框架能否手写 PPO 核心逻辑？8.模型部署用了什么框架（vLLM/TGI/自研）？如何优化推理延迟和吞吐？9.未来希望专注大模型哪个方向？例如：对齐 / 推理加速 / 长上下文手撕：K 个一组翻转链表（LeetCode 25）