百度智能体算法工程师一面 面经

面经攒人品timeline一面 8.27 80min自我介绍1.数组和链表有什么区别追问为什么数组查找是o(1)追问如果存的是对象呢2.假如有n个分数组成无序的集合，要找出k个最大数字怎么实现。优先队列 大顶堆3.封装继承多态4.什么是线程池？吟唱了一下7个参数5.spring aop是什么？你项目中用到了spring吗？aop如何实现的？ proxy cglib6.Java hashmap有用到吗？（多嘴提了一下用到了concurrenthashmap，被追问用userid当key的场景下不能用hashmap吗？这里回答的不好。）哈希碰撞后有什么问题？吟唱链表红黑树7.项目数据库用到了什么？为什么用mongo？MySQL表设计怎么做的？8.索引类型？9.tcp连接过程？为什么不能两次握手？10.哪里用了Redis？ rocketmq消息的去重11.介绍一下项目背景？是微服务架构吗？怎么拆分的？为什么做微服务架构？每个服务内容介绍一下。12.用了什么模型？设计prompt遇到什么困难吗？rag，mcp？向量数据库？怎么交互？意图识别怎么做的？（到这里已经1小时了，还以为没有手撕）13.大模型的开发框架？langchain4j怎么用的？14.lc003 最长无重复子串 acm，15分钟内一天后约二面9.2二面 30min1.项目选一个介绍2.拷打意图识别设计3.拷打rag mcp设计4.拷打如何评估用户满意度 可能是想考察数据库打点的设计5.拷打seata底层 直接说不会（没背）无手撕一天后约hr面9.4hr面 15min纯聊天，有没有其他流程，如何解压，做项目有没有遇到困难，工作遇到困难怎么办催了一下希望尽快出结果，20分钟后oc（图文无关，但是你怎么知道我买了全套Mujica皮肤）

📍面试公司：百度💻面试岗位：大模型❓面试问题：1. 场景题，如何提升模型的分类准确率2. 介绍一下rag3. 大模型上下文很长怎么办4. 多智能体多框架5. 大模型除了训练还能做什么提升准确率6. 一次lora怎么获得多种领域的专业知识7. lora是什么意思8. lora怎么merge，两种办法有什么好处

攒个人品，秋招不指望了，希望春招能有机会上岸吧。------------------------------------------------------没有自我介绍环节，一上来直接拷打实习，边拷打边问八股，基本上是我说一个做的东西，然后面试官就要开始问对应的八股了，记录一下问的八股：1. Qwen 与传统的Transformer模型相比，有什么结构上的改进？2. RMSNorm相较于LayerNorm有什么优势？公式是什么？3. SwiGLU的公式是什么？4. GRPO的公式是什么，这样做为什么更好？5. KL散度的公式是什么，为什么要用KL散度？6. LLM的损失函数是什么？给你一个10w的词表，计算出事的损失值7. GRPO为什么要做clip，直接用SFT后的模型还会不稳定吗？优势度可以怎样改进？8. 为什么你要用GRPO？GPRO结果比之前好多少？显存开销多大？训练一个Step需要多久？奖励函数如何设置的，为什么？有没有想过为什么一开始Reward出现大幅度震荡？GRPO是否一定有效，还有什么解决方法？9. Post-Training 的工作机制，为什么要做三阶段训练？什么情况下应该用GRPO？为什么DeepSeek用了GRPO？如何从V3到R1？10. 微调是如何进行微调的？为什么LoRA能够work？除了LoRA外，还了解哪些微调方法？11. 后训练用的哪个框架？你用过什么框架？如何使用deepspeed进行分布式训练？脚本是你自己写的吗？12. 知道什么Linux命令？13. 用过C++，Java吗？平时用什么多?14. 如何去评价你工作的产出和质量（基本上每个面试官都会问）15. FLUX的工作原理，LoRA在这个地方起到了什么作用？16. 你认为实习过程中哪些是从零到一的工作？（全部！鼠鼠之前学地理的）遇到一个不熟悉的领域，你会如何进行学习？-------------------------------------------------------大概是这些，可能不是很全手撕：删除链表中的节点；快慢指针秒了反问：面试官先介绍了下部门业务，随后反问：1. 为啥初试后又是初试？（可以自己点的，实际上就是二面）2. 后续几轮面试呢？（三轮，还有大老板面）3. 工作强度 （8-9.30左右）4. 这个岗位需要什么样的人？ （努力学习新知识，耐心）总而言之美团的面试体验真没的说，面试官会笑这一点就值得夸了，全程没啥压力，但是估计凉了，有些没答好

终于讲到一个还没寄的人才计划了，感谢兴子一面：兴子好像每一轮面试都是采用的群面的方式，每轮面试都是至少2个面试官在场兴子整体的面试氛围比较轻松，首先也都是介绍一下简历里的项目和实习，然后就是就是面试官对简历的项目进行提问，由于自己做的项目都是偏基础软件的项目，感觉面试官也并不是很懂，唯一相关的就是正在进行的实习，是做LLM推理Infra的经历，然后就是正常询问，问问做了哪些工作，有什么收益，感觉更像是我自己在说，他们也并没有深问，而且虽然投递的是大模型算法的岗位，但是实际上并没有拷打算法八股，反而是问了几个cpp和OS的八股，都比较基础，时间有点久也不太记得了。然后手撕只能算撕半个题，就是最经典的DP爬楼梯问题，让我把状态转移方程写出来就可以，不需要我写完整的代码哈哈哈哈，然后一面就比较轻松的结束了二面：二面当时去车站接女朋友了，然后出租车堵在路上了，无奈就没用电脑面试，用手机面了全程，最后手机还没什么电了，借了出租车师傅的充电器才完成的面试。二面就是综合面试了，感觉是轻技术重性格的一轮面试，问了很多开放性的看法问题，对xxx是什么看法，如果遇到xxx你会怎么想等等这类的问题，然后就是问了问在校期间最难忘的事情是什么，我说是本科打竞赛的时光，很充实，和队友一起碰撞思想很有意思，然后面试官就顺着这个问题继续问，问我如果队友没有完成他应做的工作会怎么做什么的，我就如实回答说我的两个队友都非常积极，我们都是遇到问题一起解决，谁遇到卡点了，其他人都会帮着一起看等等这样的问题。最后就是问了问我有没有女朋友，女朋友是做什么工作的，在哪里上班啊这样的问题，然后和这个部门的base地（上海）也都比较近，所以没有像腾讯那样不太好回答三面：三面相对来说是技术含量最高的一轮面试，这一次就是会拷打一些大模型相关的知识，让我觉得这才是正常的算法岗吧哈哈哈哈三面一开始也是一样介绍简历里的项目，并且进行深入的提问，对于实习经历重点问了问，因为比较相关，然后这边的部门感觉主要的业务是做AI Coding工具的部门，问了我很多Agent和RAG的一些知识，我说Agent没有做过相关的项目，但是大概了解过一些基础的框架如：LangChain等等，然后又问我对RAG技术是什么看法，这个问题我的回答有点狂了我说我不太看好RAG技术，感觉这是一个混淆概念对技术，面试官问我原因，我说与其把精力放在做RAG上，不如提升模型等Long Context能力，但是后面回想了一下，这两个工作的方面其实也不一样，一个是提升使用LLM的能力，一个是提升LLM自身的能力，当时不知道怎么回事就脑子一热了，面试官也没有拷打我，就说即便RAG技术不以现在的形式存在，也可能以另外一种方式存在，然后我就顺着他的话说是的是的，我刚才的表述不太准确然后就是简单的业务咨询和反问环节了，面完三面之后已经过了很久了，中间让我提交了一次附件材料，让我把获奖证书，奖学金证书什么的上传一下，说要进行评估，然后到现在也没啥消息，不过倒是不是很慌，三面的面试官就是推我进来的人，我俩有联系方式，我经常骚扰他问他进度，他给我的回复也都是还在蓝剑流程，所以也没有很慌哈哈哈哈，就看后续还有啥流程吧