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

3.10 小米算法实习生（大模型）二面（50min）无脸男*2自我介绍项目的目的混合精度微调，是混合什么精度Qlora如何实现冻结矩阵的反量化如何实现（面试官提示后答出来）如果要用FP16精度转换到int4，如何使误差最小，实现过程？介绍GRPO、PPO、DPO之间的区别既然GRPO的会有方差问题，那GRPO应用到什么样的背景下，SFT要做怎样的处理，才能够使GRPO强化学习微调效果更好GRPO的Group可以如何选取手撕：MHA反问：实习生在部门中负责的任务，做一些方案的实验研究，了解业务；计算资源，充足

3.7 小米算法实习生（大模型）一面（50min）无脸男自我介绍项目主要想完成的目标论文有哪些idea介绍PPO算法为什么PPO算法要用优势函数来评估，为什么不能直接用reward反馈（拷打到死）GRPO算法优势函数是什么的优势GAE广义优势的缺点介绍Qlora，对什么进行4bit量化，lora初始矩阵是什么，lora矩阵的量化撕题：数组中找出第k大的数无反问

自我介绍 LoRA是怎么用的Llama3中的注意力机制是怎样的项目中的奖励模型是如何训练的奖励函数如何设计DeepSeek中的奖励模型是如何训练的什么时候开始接触大模型的深挖项目指出项目实验的一个点，测试两个模型胜率时应对每一个prompt进行多轮测试，GPT4有位置偏好介绍预训练的微调的区别预训练的基座大模型可以对话吗代码：岛屿数量（白板模式）反问：部门实习生干嘛，和正式员工差不多。研究方向：有道词典中英文互译，中小学生答题的大模型落地。薪资：不知道面试官人挺好，问题都是围绕项目来问的，就像同僚之间交流一样，他说他的观点，指出我项目的不足，我也说我最近看的论文，互相分享技术。3.11还没消息，估计挂了