无刻意八股 1.为什么要训模型，业务背景2.训练流程说一下，讲一下sft数据和sft的loss3.rft怎么做的，dapo原理，训练卡数等细节4.新的模型看过吗，讲-下internVL3.5，对比qwenVL2.5?5.Agent怎么设计的，具体到这个业务和workflow区别是什么?然后追着细节提问了好久code:1.最长子字符串2.二维数组岛屿反问1.业务 和另一个id比较相似的部门区别?2.校招生在做什么业务3.总共几轮面试(面试官说2+1

工商银行市级分行的科技菁英岗值得去吗？笔试能裸考通过吗？入职后是不是都要从柜员做起？

等了好久终于等到腾讯开奖算法岗，开了35K * 15 薪，没有股票签字费，应该是白菜了吧

1. 特征工程：如何构造有效的用户行为序列特征？2. 共线性特征处理：L1正则化和PCA哪种更适合广告场景？3. 树模型（GBDT）和深度模型（DNN）的特征重要性差异？4. 模型融合：GBDT叶子节点接入DNN的具体实现？5. 线上指标：RPM和CTR同时监控的必要性6. oCPC出价策略的数学模型？如何控制成本？7. 广告拍卖机制：GSP和VCG的优缺点对比？8. 冷启动广告如何分配流量？（Bandit算法实现探索）9. 点击率预估模型如何应对刷点击作弊？（负样本降权+行为建模）10. 多目标优化：如何平衡广告收入和用户体验？11.Top-K频繁查询（堆+哈希表）12. 手写双塔模型的损失函数（Batch内负采样实现）

1.项目自己详细讲一下2.负样本下采样后，对ctr的预测分值偏高还是偏低3.怎样理解线上线下样本分布不一致的问题4.如何对结果纠偏，后处理5.Loss权重改进6.怎样理解类别编码7.如何理解负迁移8.什么场景下，参数更新方向不一致9.mmoe解决负迁移最核心的思路是什么10.如何将mmoe，esmm联合起来，并行+串行11.mysql熟悉否手撕：找到数组中出现次数大于n/2的数（摩尔投票法）

一开始介绍项目，了解在项目中负责的工作，对细节适当提问。然后着重考察大模型训练和微调的原理1，介绍在项目中负责的工作；RAG怎么优化和评估2，生成模型选择什么，跟其他模型对比3，模型预训练和微调有什么区别4，预训练是怎么做的，输入是什么，怎么训练5，微调的输入是什么，和推理的输入有什么区别6，输入样本在训练前需要做哪些处理；训练损失如何计算7，批量训练怎么实现的，样本间长度不一怎么解决8，大模型训练时采用什么padding方式，为什么9，算法题：滑动窗口最大值

1. 项目介绍2. LoRA 和 Prefix Tuning 的区别？在什么场景下选择 LoRA？3. 如果要用 LoRA 做电商推荐场景的微调，你会怎么设计数据和标签？4. GRPO 和 PPO 的区别在哪？GRPO 的优化目标函数怎么写？5. 搜索中 RAG 的向量检索会受到长尾商品影响，你会如何缓解？6. 如果商品知识库实时更新，你怎么保证 RAG 的召回结果和库存一致？7. Reflection 机制里，如何判断一个 Agent 的失败是由知识缺失还是工具调用错误引起的？8. Toolformer 中通过自监督学习生成 tool call 数据，这个训练范式和 RLHF 的差别在哪里？为什么它更容易泛化？9. 语义歧义（如“苹果”既是品牌也是水果）在搜索链路中通常怎么建模？多义词消解和上下文建模的核心方法分别是什么？10. 算法题：实现 LRU

一面 1.实习项目提问2.用的模型参数量有多大？3.Prompt engineering的方法？有没有自动化的方法？4.有什么方法避免出现安全问题和幻觉问题？5.Transformer结构6.decoder部分训练和推理有什么区别？7.decoder预测时i位置预测出来了，然后预测i+1位置，那么是用i位置的8.token结果还是概率结果？为什么？9.Decoder only参数量估计10.FFN中一般把d扩大到多少？11.KV-cache的空间复杂度12.为什么用MMOE？从scaling law的角度去回答13.code：编辑距离二面1.标注成本是多少2.怎么确保标注的训练集是高质量3.验证集的类别分布是什么4.问实习项目有什么优化思路5.为什么few shot可以提高模型输出表现6.FAISS的原理7.知识库怎么更新？8.为什么不直接用相似度召回？而是过一遍大模型？9.PPO和GRPO的区别？10.为什么GRPO的kl 在loss中11.PPO中每个模型解释

八股: 1，lora的原理，lora是否会增加训练时间rank，rank_alpha在训练的时候有没有作用，有没有尝试了解其他的lora2，Wan2.1的模型架构细节3，Wan2.1的图像特征是如何注入进去的，文本特征是如何注入进去的4，Wan2.2的模型架构，细节，高噪专家和低噪专家是如何转换选择的5，Wan2.2 划分高噪专家和低噪专家是根据什么划分的，信噪比，具体是这么做的6，重参数化技巧原理7，Flow Matching原理，gtv是怎么计算的8，DDPM和Flow Matching的区别9，DDPM在训练的时候为什么不是先加噪1000步然后再去噪，而是随机选一个时间步加噪再学习去噪过程10，VQ-VAE介绍11，ViT是如何把图像转换为tocken序列的手撕:LayerNorm，股票的最佳买卖时机I

一面 1.项目介绍2.简历拷打3.双塔可以用于哪些环节?你觉得目前对双塔模型的研究还存在哪些问题?怎么优化?设计一个电商的商品召粗精链路?4.手推-下MSE的梯度回传?为啥01分类问题不能用MSE?5.长序列建模除了sim还了解哪些?6.场景迁移学习的思路有哪些?7.实习项目的收益点主要来自哪里?后续怎么继续迭代?8.代码:分发糖果9.买卖股票的最佳时机10.反问11.业务二面1.挑一个项目介绍2.项目拷打3.讲一下你对rankmixer的理解?4.对lm4rec的后续迭代方向有什么见解?5.讲一下最近很火的onerec?你认为onerec对你工作最大的启发是啥?6.attention为什么要除以根号dk?7.如果你这个项目资源足够的话，有没有考虑过直接端到端训练?8.手撕多头注意力机制9.代码10.反问

面算法岗遇到的神仙面试官，必须来夸一夸！他没有问死记硬背的知识点，而是结合实际业务场景出题，我思路卡壳时，他会用引导式提问帮我打开思路，不是直接给答案。中途聊到我做过的算法优化项目，他还分享了他们团队的解决方案，干货满满，比听一节技术课还管用。虽然不知道能不能过，但这场面试真的学到很多，就算没拿到 offer 也觉得值了！

有没有小伙伴也面的小红书商业技术国庆前一周四面完之后就没动静了…看状态还是面试中…啥情况啊

华为我投的ai岗，上来先问项目，然后问机考编程题让我说思路，说完后又挖了下项目，不知道能不能过

8月中旬投递的，做完笔试后一直在复筛流程这是挂了吗，还是一直等着啊，能不能给个痛快话