多模态大模型面经分享-字节

ES 查询性能优化1. 索引设计优化1.1 分片策略合理设置分片数量：过多分片增加开销，过少分片影响并发分片大小控制：单个分片建议控制在 10GB-50GB 之间副本策略：根据查询负载和容错需求调整副本数 { "settings": { "number_of_shards": 5, "number_of_replicas": 1, "refresh_interval": "30s", "index.codec": "best_compression" } ...

多模态模型横向对比除了 Video-LLaMA，还了解哪些主流多模态大模型？→ 常见的有 LLaVA、Flamingo、BLIP、BLIP-2、KOSMOS、PaLI 等简单介绍 ALBEF 和 BLIP 这两个模型的核心设计→ ALBEF：基于图像 - 文本对比学习，搭配动量蒸馏来优化图文对齐效果；BLIP：引入 captioner 生成高质量图文对，再结合 filter 机制筛选优质数据BLIP-2 的整体结构是什么？两阶段训练流程是怎样的？用到了哪些损失函数？→ 结构：在 ViT 和大语言模型之间插入 Q-Former 作为中间桥梁→ Stage1：冻结 ViT 和语言模型，只训练中间的 Q-Former→ Stage2：冻结语言模型，将 Q-Former 与 LM 连接，做指令微调→ 损失：ITC（图文对比损失）+ ITM（图文匹配损失）+ LM 生成损失微调方法（PEFT 全家桶）了解 PEFT 吗？再讲讲 LoRA，重点说明低秩假设的合理性→ PEFT 是参数高效微调的统称，核心是只训练少量参数而不动原模型权重；LoRA 假设模型权重更新量 ΔW 具有低秩特性，将其分解为 A×B，只训练 A、B 两个低秩矩阵，既节省显存又能保留效果除了 LoRA，还有哪些 PEFT 方法？Prefix-tuning 和 P-tuning 有什么区别？→ 其他方法：Adapter Tuning、Prefix-tuning、P-tuning、IA³ 等→ Prefix-tuning：在输入序列前加可学习的 prefix，作用于注意力的 K/V 矩阵，更适合 decoder-only 架构→ P-tuning：用小型网络（如 LSTM）生成连续的 soft prompt，解决离散 prompt 不稳定的问题，更适配 encoder-decoder 模型大模型训练范式你项目中用到的大模型结构是什么？多模态特征是如何喂给大模型的？→ 示例流程：视频帧 → TimeSformer 提取时空特征 → 特征池化 → 线性投影对齐到文本维度 → 拼接到文本 prompt 之前 → 输入 LLM大模型在做了指令微调后，为什么还需要 RLHF？→ 指令微调只是让模型学会遵循指令，但输出可能更偏向 “模板化”；RLHF 是通过人类偏好对齐，让模型输出更符合人类价值观、更自然、更有用的回答，解决 “有用性” 和 “安全性” 问题了解 RLHF 吗？描述它的完整训练流程→ 三阶段流程：① SFT 微调：用高质量指令数据对预训练模型做监督微调，让模型学会基本指令遵循② 训练 Reward Model（RM）：用人类标注的偏好数据训练奖励模型，学习给不同模型输出打分③ PPO 优化：用 RM 作为奖励信号，通过 PPO 算法更新策略模型，最大化 RM 给出的奖励，实现与人类偏好对齐手撕 LeetCode 原题：合并 k 个升序链表→ 核心思路：用小根堆维护 k 个链表的当前节点，每次弹出最小值节点并入结果链表，再将该节点的下一个节点入堆，直到所有链表遍历完毕；时间复杂度 O (N log k)，N 为总节点数

1. 实习中测试目标与验证方法2. 增强轻量化项目中最大的技术挑战在增强轻量化项目中，最大的技术挑战在于如何在保证高性能和低资源占用的前提下，优化现有系统的架构。 需要在设计上实现模块解耦、减少冗余代码，并对项目中关键算法和数据结构进行精细优化。 同时也要考虑兼容性问题，确保新引入的轻量化设计能够无缝集成到原有系统中。3. 代码迁移项目：从 C# 迁移到 C++ 的原因及遇到的问题从 C# 迁移到 C++主要目的是： 提升系统性能、降低资源消耗； 适应底层系统或嵌入式环境的要求。 在迁移过程中遇到的问题包括： 两种语言在语法、内存管理、异常处理等方面存在较大差异； 原有架构需适配 C++ 的手...

B站 25×15+1500快手 26×16+2000作业帮 24×15新凯来 17.5×15华子泡死了没开出来剩下两个小厂都是18左右，就不说了楼主本人只有一段100人小厂的实习，其他的除了字节一面挂都死在了排序，腾讯捞了几次但只面了一次其余的推了。整个秋招一共投递150多家，面试60次左右