已拒offer:美团北斗大模型面经

历经两个月的鏖战，终于拿下某大厂算法岗Offer！复盘了30道高频面试题，分享给正在备战的同学：机器学习基础（10道）手推LR推导，为什么用交叉熵而不用MSE？偏差方差分解，Bagging vs Boosting怎么对应？XGBoost相比GBDT的改进点？二阶泰勒展开的意义？特征工程怎么做？连续特征离散化的好处？类别不平衡如何处理？Focal Loss原理？正则化L1、L2区别，为什么L1能产生稀疏解？聚类算法K-Means的优缺点？如何选K？模型评估指标：AUC计算逻辑和业务含义？随机森林的随机性体现在哪？梯度消失/爆炸原因及解决方案？深度学习（10道）11. BN原理，训练和测试阶段有什么区别？12. Transformer的self-attention计算过程？为什么要除√d？13. BERT的预训练任务是什么？WordPiece作用？14. 激活函数ReLU vs LeakyReLU vs GELU？15. 优化器SGD、Adam、AdamW的区别？16. 过拟合如何判断和解决？Dropout原理？17. 多卡训练：数据并行 vs 模型并行？18. Attention的几种形式？Additive vs Dot-Product？19. 残差连接为什么有效？20. 卷积参数量和FLOPs计算？手撕代码（5道）21. 手写Multi-Head Attention22. 实现二分类交叉熵损失函数23. 快速排序/归并排序（常考！）24. 编辑距离/最长公共子序列25. 二叉树遍历（递归+非递归）业务场景（5道）26. 短视频推荐，冷启动怎么解决？27. 广告CTR预估，特征怎么设计？28. 搜索排序，如何平衡相关性和多样性？29. 用户长短期兴趣如何建模？30. 线上AB测试，指标怎么选？

给我面没招了，感觉自己好菜、面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.手撕算法题最长回文子串；2.vllm的一些常规问题，paged attention等，整体问的比较浅；3.ppo/grpo/gspo/dapo的区别，优化点；（算法相关）4.投机采样reject sampling公式；5.多模态大模型的一些问题，有没有接触过internvl，qwenvl，qwen-omni等模型；6.国产卡优化相关问题探讨；

美团"北斗计划"暑期实习开了！主要招AI大模型、自动驾驶、智能调度方向，base北京、上海、成都。要求有点高，但转正率据说很高。双非有机会吗？求大佬捞一把！

继续来分享下之前的面经~欢迎友好讨论，信息共享1.实习拷打2.在微调大模型时，你使用过哪些框架？它们的优缺点分别是什么？3.CLIP 模型的 zero-shot 能力是如何实现的？它在多模态任务中的应用有哪些优势？4.Transformer 中 Pre-Norm 和 Post-Norm 的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型中，为何通常采用 Decoder-only 架构而非 Encoder-Decoder 结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对 Transformer 模型推理过程，你会采用哪些优化手段？8.请阐述RAG的核心原理，并说明如何通过 RAG 缓解大模型的幻觉问题。9.vLLM 框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10.请对比 RLHF、PPO、DPO 算法的技术差异、优缺点及适用场景。