商汤 多模态大模型算法实习一面

给我面没招了，发点面经攒攒人品～1.实习拷打2.项目中的背景挑战困难测评3.对于训练完的模型如果做比较完整的测评要从哪些方面考虑业务场景如何测试4.DPO实现原理5.DPO过程的卡点6.实习项目深挖版本调优7.agent原理8.skills和mcp的区别9.模型上线之后结果不太理想从哪些方面分析情况10.手撕hot100

这个面经是群里 小伙伴分享的 社招, 2年的工作经验 双非本9硕 将近40分钟都在问项目细节 项目这里我全部砍掉了1. 自我介绍2. 大模型在推理时通常分哪两个阶段，每个阶段关注点是什么一般分成 prefill 和 decode 两个阶段。prefill 阶段主要是把输入 prompt 一次性编码进去，重点看吞吐、并行效率和长序列的计算开销；decode 阶段是逐 token 生成，重点看单步延迟、KV Cache 复用和 batch 调度效率。很多线上推理慢，不是模型本身慢，而是 prefill 太重或者 decode 阶段调度策略不合理。理解这两个阶段，才能知道为什么有些优化只对长输入有效...

攒人品中 1.实习深挖2.介绍LLM项目的背景、动机、想要达成的目标、为什么做?3.详细介绍自己使用的技术，遇到的问题，如何解决的?4.使用LoRA微调，在用LoRA时有没有遇到模型不收敛或指令输出格式损失不符合预期?5.LoRAalpha特别强/特别弱会有什么情况?LoRA增量训练遇到灾难性遗忘如何解决?6.评测模型性能好坏的指标?有没有什么量化指标?怎么评估输入和输出的?7.DPOSample偏好尝试不同reward或其他层面的偏好对齐，选择的依据8.有没有微调过多模态大模型?9.Prompt Engineering项目有没有做过?10.手撕非 Leetcode hot100

给大家拆解一下事业部+岗位，看一线大厂是如何布局AI发展的 岗位详细清单与职责分析 一、技术研发类岗位 1. 大模型 Agent 技术专家 - AI 应用与创新 岗位 ID: 7419283793284565274 工作地点： 未明确指定 核心职责：  负责 LLM 工程化相关研发工作 构建 Agent 体系的技术架构 推动大模型在业务场景中的落地应用  任职要求：  3 年以上研发工作经验，本科及以上学历，计算机相关专业 具有 LLM 工程化相关研发经验 扎实的后台研发能力，熟练掌握 Golang/Java/Python 任一编程语言 熟悉 MySQL、ES 等常用基础组件 良好的设计能力、...