作为大模型业务线面试官，在过往的面试中，我发现很多候选人对技术落地、场景应用、问题解决等核心维度的回答存在空泛、缺乏细节的问题。为了帮助大家更精准地备战大模型相关岗位（产品、算法、技术落地等），我结合日常面试中的高频提问，整理出这份问题清单及核心应答思路，从面试官的视角拆解考察重点，希望能为大家的面试准备提供参考，少走弯路。问题1：SD项目中的提示词是如何编写的？应答核心：不能只说“写关键词”，要体现逻辑和优化思路，分维度说明更清晰。参考方向：先明确生成需求（风格、主体、场景、细节），再拆解提示词结构——核心主体（如“一只白色猫咪”）+ 风格定义（如“宫崎骏动画风格，治愈系，柔和色调”）+ 细...

下面是美团今年春招的情况，跟前两年相比，首次没出现说招聘多少人。对比前两年就知道了，24年春招有4000hc，3000个25届暑期，1000个24届春招。25年春招有5000hc，4000个26届暑期，1000个25届春招。今年没说多少人，相比大家也都能知道原因，就是25年的外卖大战导致的，24年还能盈利358亿，25年净亏损243亿，一来一回差了600亿。但是你说美团还能不能投，我的答案是能，且必须要投，因为美团对校招生还是比较友好的，培养好，转正率高，容易landing。

1、知道 GPT 和 BERT 这种模型的基础框架是怎样的吗BERT 和 GPT 都是基于 Transformer 的预训练模型，但结构和任务目标不一样。BERT 一般采用 Transformer Encoder 堆叠起来的双向编码结构，在预训练时主要做 MLM，也就是随机遮盖一部分 token，让模型根据上下文去恢复被遮掉的词，因此它更适合理解类任务，比如分类、匹配、抽取、检索表示学习。GPT 采用 Transformer Decoder 堆叠起来的单向自回归结构，在预训练时做 next token prediction，也就是根据前面的 token 预测下一个 token，因此它更适合生成...

美团笔试结束！明天去笔试国家电网祝我加油波～