有点迷茫了

面试很爽快，首是聊下项目经验，后问题我对块比较熟，当然我对 go ，k8s 比较熟，那就先来这方面热身。1，channel 底层，也扯到 csp2，GMP 模型，goroutine 优势在哪里？3，go 的 gc 原理4，mutex 底层，饥饿模式和正常模式5，map 为啥不安全，sync.map 底层6，go 有哪些常用包，context 如何用？7，协程泄露怎么排查问题8，k8s 架构9，容器和镜像有什么区别，原理是什么？结束热身，然后开始问 AI 大模型相关1，你怎么理解 Agent，你如何从头到尾设计一个 Agent，比如想做一个 code review 这样 Agent，你如何去设计。2，了解 langchina 吗，用过吗，架构是什么，有哪些特征，3，你是如何设计 rag 系统的，整体流程你讲一下包括数据导入，切割等操作。4，向量数据库有了解吗，如 milvus5，milvus 架构和核心组件6，milvus 插入数据时，会经历那些步骤，是如何存储的；还会问查询逻辑7，简单讲下Transformer 的工作流程8，为什么要微调，有哪些技术9，有了解 mcp 协议，a2a 协议，和 Agent 有什么关系最后数据库相关mysql，redis，隔离机制，以及 redis 中如果某个 key 过期了，会立即删除吗？如何做持久化机制。以上大概这么多，有些可能记不住了，反正这问题还是容易回答的。建议可以做一个小的 Agent 应用比如用 langchain 来玩个小项目，或设计一个 rag 项目，然后面试时跟面试官吹牛，把你做过程中对场景需求分析，设计，存储这些流程讲讲明白，不然知识还是零散的。好了，分享到这，希望秋招的伙伴拿到心意 offer～最后我的个人看法，如果有机会去做 Agent，或相关大模型业务，建议早点入局。等后面面试要求更高了，现在可能对你要求很松，毕竟很多公司都才刚开始摸索，谁也不懂，但大家都知道这是未来，所以必须拥抱。当然了，比如 go，k8s，Java 等岗位薪资高的，那你自行选择了，如果你不懂，选择迷茫，也可以咨询我。其实很多岗位公司内部都会“业务+AI”去探索尝试的，早晚的事情，这东西你得懂，也是必备的技能。另外，简历上你写点 AI 的东西，很加分，不信你试试

8.28 更新，反手给我挂了最正常的一集自我介绍问实习，讲了一下实习的活。然后一点简单的LLM八股。微调了解吗？我说会一点理论。问经典的微调算法，我说LoRA，p-tuning。让我讲一下LoRA，就大概讲了一下原理。问我实操过吗，我说玩过demo。问我调参怎么做，我说不会，因为没业务实操过。问了微调和RAG的区别，稍微讲了一下。问RL了解吗，我说了解理论。问了DPO，讲了一下原理。问公式，我说忘了，就说了winner，loser和参考策略作比做差然后最大化。问幻觉怎么处理，昨天虾皮问了，后来又回味了一下，今天答的也算有的放矢。问Transfromer，讲了一下原始论文架构。问attention score 公式，还有为什么除以根号d（感谢虾皮面试官给我讲了一下），然后就说了一下。问为什么现在都是主流的 Decoder only，我说主要是生成任务是主流。又讲了一下别的架构和适配的任务。问我刷题多吗，我说就刷了一些基本的。手撕最长无重复子串，写了一下，第一遍没跑通。面试官说你看看while条件呢，我一看，手滑写错了，改了就好了。

# 小鹏- 大模型算法工程师-二面 28分钟## 0.对传统的机器学习有过了解吗？## 1.讲讲transformer的架构## 2.讲讲BERT和GPT的区别## 3.为什么GPT也擅长做文本处理生成呢## 4.什么手段解决过拟合，说出四种以上## 5.如何解决正负样本不均衡的问题## 6.大模型微调有哪些方式## 7.lora微调中又哪些特别需要注意的点## 8.讲讲PTQ和QAT## 9.寿司🍣：没撕出来。。。- **题目描述**：从英文字典中随机选两个单词，如 hello 和 goodbye，设计算法看能否通过每次在前一个单词任意位置增加、删除或更改一个字母，逐步变换到后一个单词，且中间过程的所有单词都必须在字典中。- **思路讨论**：该问题与编辑距离问题有相似性，但不能用编辑距离求解，因实际变换可能从右边或中间开始，最终未得出具体思路。引流：百度、阿里云、京东、美团、字节、小红书、滴滴

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