邮储软开

1.开场自我介绍＋过实习／论文。2.了解哪些大模型， Qwen 和 DeepSeek 各自的特点？3.MoE 跟 Dense 比，收益主要体现在哪？代价又是什么?4.有没有做过全参微调？没有的话你怎么判断它和值不值得做？5.如果你要把 LoRA 和全参做对比，你会怎么设计实验、控制变量、看哪些指标？6.RLHF 解决什么，在对齐里起什么作用？ RLHF 这一块会继续深挖：7.你知道哪些主流的对齐／强化学习做法？8.代码题：括号生成＋手写多头自注意力📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.说说你的大模型实习：做了什么、遇到什么问题、怎么评估效果3.YaRN 你怎么理解？跟其他长文本/外推方案相比差异在哪4.RoPE 怎么跟 MLA 放一起讲；只在短文本训过的模型，长文本外推你会怎么做5.flash-attn / Megatron-LM：你了解哪些点6.词你了解哪些；像 DeepSeek 这类的分词思路跟 BPE 有什么不同6.字符串解码这类题一般怎么考，你会怎么处理边界7.手写 FFN：结构怎么写，维度怎么对

感觉自己说不明白业务逻辑...1. 业界目前针对特征交叉是怎么处理的？2. 你们当前模型的主要网络结构是什么样子的3. 模型的embedding维度是多少？不同特征的embedding维度是否相同？4. 当前的方案有没有考虑使用大模型进行处理？5. 介绍一下不同的召回方式以及召回原理6. 召回的模型是什么样子的7. AUC的概念，计算过程？8. 还有没有其他相似的评估指标，为什么需要其他评估指标9. 训练样本的形式有哪些？分别进行解释10. 代码1: 手撕TSFM11. 代码2: 股票交易，最多两次操作，利益最大值

攒人品中，祝大家都能拿到满意的Offer！1.Transformer中Attention的本质是什么？你能从数学角度简要解释一下吗？2.在Agent多轮对话任务中，你觉得Attention的局限性体现在哪些方面？3.简要介绍一下SFT的核心流程，以及数据集的构建策略，SFT之后常见的Post-Training还有哪些？它们之间的目的有何区别？4.什么是RAG，它是怎么提升生成质量的？与传统检索＋模型生成的流程有何不同？如何评估一个RAG系统是否work的？5.PPO和DPO在大模型对齐中的主要区别是什么？DPO训练通常有哪些注意事项？用过GRPO么？6.项目里的Modular Agent，你能讲讲它是如何实现多步规划的吗？7.项目提到了多个工具调用链路，调度策略是如何设计的？是否有异常fallback策略？8.Agent评估体系包括哪些维度？如何衡量planning能力 vs hallucination rate？9.项目里微调Qwen，选择的训练阶段和Loss函数是如何决定的？10.Prompt自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？11.场景题：假如一个Agent 推理链路包含3个工具+高频请求，系统整体延迟较高，你会如何优化？12.代码：岛屿数量