内推码献上，各位大佬速速投递～秋招或者实习都可以～

开局无offer，直接邮件填信息。美团hr加vx，直接要信息，然后问入职日期，问实习工资和房补，直接让我去搜小红书。。中间我表示要晚一点入职，说完沟通也同意了，结果hr就消失，后面快入职时我查官网，发现offer被释放，说我没签合同（我寻思hr也啥也没说我以为就默认延期了。。），最后是mt打电话给我，把流程重新走了一遍。。。融新这边也是，全是租的写字楼，感觉公司随时要跑路了。不过也感谢美团愿意offer吧，虽然没待多久。但组里的hr和ld真是让人反胃（不止我一人认为）

1.面试官介绍团队2.自我介绍3.有没有了解生成式推荐模型的范式与流程4.详细介绍DPO,PPO,GRPO算法的原理与区别5.有没有了解Deepsearch6.场景题：如果给你一个通用性Agent，请给出强化学习训练的流程与数据制作的流程7.场景编程题：500 囚犯 一排 一次报数 每次随机奇数会随机铅笔  下一次 奇数随机墙壁 最后一个人无罪释放 加入我是最后囚犯 大概率货到最后。编程实现面试官人很好，可以看出来是专门做研究和技术等的，可惜我太拉，一周后挂了

投nlp岗被捞1.三个面试官2.疯狂拷打实习和项目3.场景题 英雄联盟中如何用大模型或者机器学习的方式去检查玩家是否有消极行为4.另外两个面试官疯狂拷打5.强化学习除了ppo，dpo，grpo，对于DQN等其他的强化学习算法有没有了解6.无手撕7.反问做LLM在游戏作弊的应用，挺有意思的，组里资源比较紧张有无佬对该部门有了解的

1.拷打项目 2.问grpo的原理

1.自我介绍，没介绍完一直打断2.介绍一下Lora3.手撕lora和二叉树建树与层序遍历

1.自我介绍2.介绍项目3.强化学习DPO,PPO,GRPO的损失函数区别4.手撕单词拼接

1.自我介绍2.问项目的场景3.问大模型的输入输出4.问强化学习的项目5.问GRPO，PPO,DPO的算法原理6.什么时候用PPO，什么时候用GRPO7.模型的SFT和PEFT训练的时候有什么小trick8.有没有了解Agent和RAG，解释原理9.算法题 最长公共子序列，环形链表10.场景题 有没有了解复读机， 如何解决复读机问题11.反问：业务是做ToB的多轮对话机器人，读取客户需求，营销产品，更多偏强化学习微调12.三轮面试

1.自我介绍2.地点，是否还在实习，计划实习几个月，多久入职3.问项目4.平时学习的方式5.GRPO,DPO,PPO区别6.LORA微调的原理7.LORA为什么可以实现少量的参数完成全量微调的效果8.LORA的秩一般是如何选取的9.小米训练用的什么框架10.聊项目11.手撕有效的IP地址（不会）12.反问，组里做到餐的LLM生成餐，toC和toB，资源可能紧张

1.自我介绍，介绍实习经历和项目经历时打断2.问业务的背景，米家APP做个什么事3.做模型的微调，大模型的相比于推荐模型在该业务场景下的好处；在多设备多操作下更能匹配到推荐lable4.怎样用llm挖掘的数据，理解并不是用大模型来造数据5.建议把多模态的介绍放到最上面6.怎么把DPO应用到我们的项目上7.DPO,PPO,GRPO的区别8.手撕最长递增子序列（没撕出来）9.反问组里资源，组里业务

1.自我介绍2.聊天，主要介绍可灵目前在做的，偏研究，研究模型应用到业务当中。用强化学习应用到多模态大模型当中，主要做视频与文本模态的输入输出3.有没有了解Qwen-VL的架构4.介绍GRPO，强化学习5.手撕最长回文串（没return出来）6.反问，组里1000多张A卡，资源充足，冲击AAAI

1.自我介绍，网一直在卡2.重点问实习3.手撕快排，写完就让我说一下思路，没跑用例4反问，组里资源充足，主要做搜推，LLM的应用是重点

1.自我介绍2.IOT场景是什么场景，介绍是米家场景，用LLM效果会比较好3.之前线上用的推荐模型是什么4.基座模型最后用的是什么，Qwen2.5用Qlora微调时没有出现过拟合情况吗×5.训练的框架用的是什么×6.Qwen2.5的框架，GQA，Decoder-only，RMSNorm，位置编码动态7.Qwen2.5用的是Dense还是Moe×，回答Dense8.如果用LLM来做分类，用encoder做还是decoder做会好一点×，回答encoder用Bert做分类的话softmax加在哪一层，加在哪一个维度？×9.LLM用在推荐系统上，怎么用，用户的历史数据为亿级×回答做不了端到端，但可以做召回和精排10.LLM适不适合用来做embedding生成？encoder架构还是decoder架构适合？那为什么还要用decoder-only的Qwen来做encoder？11手撕MOE或LORA

1.自我介绍，没开摄像头，甚至让我也关了2.介绍这个多模态，用户模态代表什么3.质疑多模态，实则还是文本；（使用了多模态的训练方法，借鉴Qwen2.5-VL的思想，做了encoder来对用户文本信息编码为用户模态（表示用户历史信息），同样有跨模态对齐，对比学习微调的的步骤）4.基座模型实验得到的效果5.问了一堆实习6.XGBoost和GBDT的原理区别7.等她找手撕题，找了半天，一直在那按键盘；最后说网卡听不见我讲话，说时间问题就不手撕了