美团大模型应用二面凉经

攒个人品，秋招不指望了，希望春招能有机会上岸吧。
------------------------------------------------------
没有自我介绍环节，一上来直接拷打实习，边拷打边问八股，基本上是我说一个做的东西，然后面试官就要开始问对应的八股了，记录一下问的八股：
1. Qwen 与传统的Transformer模型相比，有什么结构上的改进？
2. RMSNorm相较于LayerNorm有什么优势？公式是什么？
3. SwiGLU的公式是什么？
4. GRPO的公式是什么，这样做为什么更好？
5. KL散度的公式是什么，为什么要用KL散度？
6. LLM的损失函数是什么？给你一个10w的词表，计算出事的损失值
7. GRPO为什么要做clip，直接用SFT后的模型还会不稳定吗？优势度可以怎样改进？
8. 为什么你要用GRPO？GPRO结果比之前好多少？显存开销多大？训练一个Step需要多久？奖励函数如何设置的，为什么？有没有想过为什么一开始Reward出现大幅度震荡？GRPO是否一定有效，还有什么解决方法？
9. Post-Training 的工作机制，为什么要做三阶段训练？什么情况下应该用GRPO？为什么DeepSeek用了GRPO？如何从V3到R1？
10. 微调是如何进行微调的？为什么LoRA能够work？除了LoRA外，还了解哪些微调方法？
11. 后训练用的哪个框架？你用过什么框架？如何使用deepspeed进行分布式训练？脚本是你自己写的吗？
12. 知道什么Linux命令？
13. 用过C++，Java吗？平时用什么多?
14. 如何去评价你工作的产出和质量（基本上每个面试官都会问）
15. FLUX的工作原理，LoRA在这个地方起到了什么作用？
16. 你认为实习过程中哪些是从零到一的工作？（全部！鼠鼠之前学地理的）遇到一个不熟悉的领域，你会如何进行学习？
-------------------------------------------------------
大概是这些，可能不是很全

手撕：
删除链表中的节点；快慢指针秒了

反问：
面试官先介绍了下部门业务，随后反问：
1. 为啥初试后又是初试？（可以自己点的，实际上就是二面）
2. 后续几轮面试呢？（三轮，还有大老板面）
3. 工作强度 （8-9.30左右）
4. 这个岗位需要什么样的人？ （努力学习新知识，耐心）

总而言之美团的面试体验真没的说，面试官会笑这一点就值得夸了，全程没啥压力，但是估计凉了，有些没答好#牛客AI配图神器#