华泰上海软开线下面

无手撕. 【面试问题】1. 请做一个简单的自我介绍。2. 在使用大模型生成xxx代码的过程中，你遇到了哪些挑战和阻塞点？在工程化方面是如何解决的？3. 在技术选型方面，xxx相对比较精炼，你为代码生成提供了哪些工具支持？4. 你构建了专家知识库，在多轮对话和超长上下文处理方面遇到过什么问题？5. 除了上下文压缩，你还研究过哪些文本处理技术？6. 在多代理系统中，你采用了什么技术框架来实现？是直接调用还是自己编写代码逻辑？7. 除了这个项目，能否介绍一个你觉得收获较大的项目？它带来了什么价值？8. 在通过命令行与大模型交互时，如何解决推理时间过长导致的用户体验问题？9. 你的硕士研究课题是什么？10. 你比较熟悉Go语言，请谈谈Go和Java的主要区别和相同点。11. 在日常开发中你主要使用什么语言？对未来使用的语言有倾向性吗？12. 你更倾向于从事哪类业务开发？13. 请解释xxx的workflow机制及其主要组成部分。14. 你参加过算法竞赛，能否介绍一个具体案例，包括使用的算法和取得的结果？15. 在分布式系统方面，如果有大量用户同时访问你的xxx代理服务，如何解决单机性能瓶颈问题？16. 在多节点部署时，如何解决负载不均衡的问题？17. 除了任务窃取，还有哪些方法可以实现负载均衡？18. 你对图算法调度了解多少？19. 在学习过程中是否使用过机器学习和深度学习算法？20. 你的职业规划是什么方向？更倾向于底层技术架构、平台层还是上层业务系统开发？21. 为什么选择基础架构开发？你觉得与应用开发相比有哪些不同？22. 你有中间件开发经验吗？为什么对基础架构开发感兴趣？23. 你为什么会选择当前面试的公司？24. 除了当前公司，你还面试了哪些公司？主要是什么方向的岗位？25. 为什么选择xxx作为研究方向？

发面经攒人品1.自我介绍环节，简短讲完教育经历，实习经历，科研经历(不相关就跳过了)2.实习经历比较相关，说话头\换脸，说实话实习复现了不少工作，然后又隔得比较久了，就讲了自己最近看的HunyuanVide里面的一个人像视频模型和字节开元的一个人脸编辑模型。3.Stable diffusion拷打，模型结构，推理流程，模型预测了什么，为什么要预测这个。4.讲解这个岗位和广告那边更贴近一点，问对这个领域有没有什么理解。5.力扣题拷打 1.将正整数n拆分成任意k个数，求拆分后的累乘最大是多少？2.螺旋遍历矩阵，力扣hot100原题。感觉答的还不错，希望能过吧。

7.31 二面纯聊项目，全程50min：自我介绍5，提问30，反问15。面试官态度好，会停下来听我补充。提问细，迅速理解并指出不足，会帮我总结回答。反问环节也耐心。经验：思路不同很正常，别人提到你没做的点，不要只说是，要积极表达自己想法，主打一个积极补充。希望好结果。1.无重叠区域，会用已有深度先验辅助单目估计吗？细节？追问：扩展覆盖验证精度，而不是用深度补单帧偏差？2.初始无深度先验时，左右独立建图，误差函数和信息矩阵？答：当前主要验证布置的提升和设计，理论内容在后续做，右位姿通过外参接入追问：传统BA交叉投影还是3D空间约束联合优化？或混合？答：左右优化相对独立，仅估计一侧，另一侧通过外参参与，前端分区避免冗余追问：子图独立优化未显式保证3D点一致性，方案关联性不强？答：（我没讲清，方法没问题）误差传播和强关联考虑不足，作为多相机与双目折中，更注重原理验证，后端关联优化留后续面试官圆场：理解，科研阶段重点在验证可行性，工程化细节可以后续深入打磨3.用学习替代XX，原算法问题、模型创新和优势？追问：数据清洗和标签生成？半自动工具？追问：项目更偏应用？答：核心在网络设计与思路，强调可快速替换和验证4.机器人挑战中印象深刻的问题及解决过程答：企业合作，问题背景、传感器选择、仿真和样机测试及部署追问：最初用相机理解环境，后来换传感器，如何结合？相机后续作用？答：YOLO识别。深度不足，雷达与相机外参标定辅助追问：导致上下身感知割裂，关键动作需重建图，不统一？圆场：目标明确，主要解决下半身动作，效果显著答：实习时间短，步态规划未成熟，感知需求低追问：与厂家合作，方案如何说服对方？理论推演还是demo？答：做了demo，仿真测试，样机部署5.有带小团队的经验吗追问：提到的项目更像是协同开发？6.怎么了解到小鹏？什么吸引你投简历答：知名度高，关注车和相关技术，方向契合，认可人形机器人、P7和自主研发智驾算法，向往环境。追问：各车企都有类似机会。了解自动驾驶方案的演进吗？反问：问：团队合作方式？部门规模和架构？入职后方向如何定？面试官答：主要在面试官团队，特殊需求才推荐其他负责人，方向会动态调整。面试官反问：个人成长规划？答：核心技术方向。面试官答：模型和传统算法并行，模型需大量数据。你更倾向模型方向吗？答：包容，传统和学习方法都接受。学习尚未成熟，传统方案依然重要，需跟进AI风口

🍓一面时长约50min，面试官很和蔼，体验感还不错。1．面试官先简单介绍了下团队，然后是自我介绍；2．拷打了一下项目和论文；3．为什么多头注意力能提升表达能力？4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？5.LoRA和 PromptTuning 有何区别，分别适用于什么场景？6．模型微调时遇到过过拟合吗？怎么处理的？7．大模型推理时的加速思路？8.KV Cache 是怎么起作用的？为什么对长上下文推理很关键？算法题手撕：字符串的全排列。二叉树序列化与反序列化。✅面试感受：整体提问节奏比较平稳，面试官很有亲和力，有的地方卡住了还会给提示。🍓二面时长约40min，主要是针对简历进行深挖。1．自我介绍。2．深挖项目，针对项目思路不断追问。3．大模型生成内容如何做去重过滤？4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？5．如果要在中文领域做 Instruction Tuning ，需要注意哪些数据问题？6．反问✅面试感受：二面的氛围和一面截然不同，面试官提问非常犀利，没有太多套路问题，并且对细节很关注。📳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。