深信服线下一二面+hr面

其实面经感觉参考意义不大，因为很多问题都可以被你引到你熟练的地方。很多时候面试官的问题会根据你的回答或者你提到的东西进行延伸。腾讯算法三面： 主要聊业务，设计具体技术较少。主要是，问题背景，解决方案，为什么选择这个方案，优点 缺点 难点。如果后续优化，会怎么做   等 .....360算法一面：记不太清了，迟到了15min，然后聊的很快，主要聊了项目。好像问了什么transformer的参数360 二面：水面 毫无意义快手算法一面：1. transformer的结构，以及主要演变过程。在讲的时候会插入询问 ，例如，旋转位置编码怎么实现的。2. grpo的方法和ppo方法区别deepseek r1的训练流程 和r0 的训练流程的区别。后面记不清了，感觉很困啊。

1. （项目的点衍生出来的）RoPE 原理，手撕2. Transformer MHA 手撕3. vLLM为什么能加速？PagedAttention4. CPU/ GPU 架构，为什么设计 GPU5. GPU 硬件架构具体介绍一下6. 发散的问题：怎么看待AGI，怎么看待大模型的“智能”，平时用什么大模型？（回答豆包，感觉应用做的比较好）感觉整体问的还是比较深入的，一个问题可以拓展出很多细节。问题比上午的电信更理论一些，电信更落地更贴近业务（？可能是面试官的仁慈）偏八股吧，美团全是项目…可能是暑期实习和日常实习的差别？

上来面试官先进行了很详细的部门介绍1. 自我介绍2. 介绍任意一个项目，然后开始深挖3. 八股 精确度/召回率，transformer 注意力相关问题， encoder的详细结构，4. 场景题 给一堆有问题的图像，怎么从其他图像里同样的筛出来有问题的图像算法：手撕attention最大连续子数列