字节大模型多模态算法一面

1.多模态学习中常见的融合方式有哪些？早期融合 vs 晚期融合 vs 中间融合的区别和适用场景？
2.CLIP 模型的原理是什么？它是如何实现图文对齐的？损失函数怎么设计的？
3.Vision Transformer (ViT) 和 CNN 在图像特征提取上的优劣对比？
4.什么是对比学习（Contrastive Learning）？InfoNCE loss 的公式和作用？
5.大模型训练中常用的优化器有哪些？AdamW 和 Adam 的区别是什么？
6. 请详细介绍你简历中提到的多模态项目：输入是什么？模型结构？如何对齐不同模态？
7. 项目中遇到的最大挑战是什么？你是如何解决模态异构性问题的？ 8. 有没有做过消融实验？哪些模块对最终性能提升最关键？
9. 如果让你将该项目部署上线，你会考虑哪些工程优化点？
你的模型在训练集上表现很好，但在新场景（如不同光照/语言风格）下性能下降明显，你会如何提升泛化能力？
10. 【LeetCode 300】最长递增子序列（Longest Increasing Subsequence）——要求写出 O(n log n) 解法。