携程llm算法一面面经

✅ 春招备战指南 ✅ 💡 学习建议：  先尝试独立解题 对照解析查漏补缺   🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 🌸 目前本专栏已经上线200+套真题改编解析，后续会持续更新的  春秋招笔试机考招合集 -> 互联网必备刷题宝典🔗 美团-2026.03.21-算法岗 1. 小基的档案拼接升序册 问题描述 本题是美团 2026.03.21 研发岗第 1 题的原题。 小基 手里有一份长度为  的档案编号序列 。 为了观察长序列下的变化，他把这份序列原封不动地复制到末尾，一共额外拼接了  次。拼接完成后...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1•大模型普遍训练多少 epoch？为什么？2•预训练阶段更应该关注 epoch，还是 token 数？3•为什么现代大模型常说“训练了多少 T tokens”，而不太说“训练了多少轮”？4•训练 token 数和参数规模之间是什么关系？5•你先讲一下 Transformer 的整体结构，为什么 self-attention 能替代 RNN？6•DPO 相比 PPO/RLHF 的优缺点是什么？7•什么是 instruction following？为什么 base model 和 instruct model 体验差这么多？8•SFT 数据要怎么构造？什么样的数据最有效？9•如果 SFT 后通用能力下降了，你怎么分析？

这段时间看了一些简历，有一个比较明显的感受：👉 不是大家不会写简历，而是很多人没有站在“筛选方”的角度去想问题你写的是“你做了什么”，但面试官在判断的是：👉 “我为什么要承担面你的成本”这个视角一变，其实很多问题就会变得很清晰。下面说几种我通常不会继续往下看的情况。第一种：信息很多，但“决策成本很高”的这类简历的特点是：技术栈很多项目也不少甚至看起来不差但问题在于：👉 我需要花比较长时间，才能判断你到底强在哪而现实是：面试官每天要看很多简历，👉 “无法快速下判断” = 风险高 = 放弃这里有个很多人没意识到的点：不同阶段的筛选，其实容忍度是不一样的。有些情况下，可以接受信息稍微“模糊一...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司