美团大模型算法实习面经-攒人品中

攒攒人品！有面试过同岗的朋友欢迎评论区交流
实习拷打
1. 大模型微调中，如何解决蒸馏数据里“伪优质数据”（表面合规但实际存在误导性）的筛选问题？具体落地策略是什么？
2. Prompt迭代时，如何平衡“指令遵循率”和“业务适配性”？当两者冲突（比如按指令输出但不符合业务规范），你是怎么优化的？
3. 用LoRA做大模型微调时，遇到过过拟合/欠拟合问题吗？具体是怎么排查、解决的？对比全参微调，LoRA在解决这类问题时的优势和局限分别是什么？
4. 设计GRPO奖励函数时，当遇到跨场景需求，奖励权重如何动态调整？合规性的自动化评估，怎么适配不同场景的规范要求？
5. 如何通过业务反馈闭环（用户反馈），反哺模型微调、Prompt优化和数据筛选？举1个你实际处理过的Bad Case，说明完整优化链路。
八股
1. Self-Attention中Q/K/V各自作用？为什么要分开？
2. 把K换成Q（QQV）可行吗？为什么？