发一下问题给大家参考，攒攒人品！项目相关:1.项目怎么做的2.介绍召回3.详细介绍热度召回word2vec4.召回可以用双塔召回为什么没试试5.评价指标怎么样的继续追问为什么不用双塔6.特征工程怎么做的7.排序模型用什么评估指标AUC答了过拟合8.为什么AUC高但是效果不好9.GAUC了解吗介绍一下

发点面经攒攒人品～1.项目拷打2.你如何评估大模型的性能？有哪些常用的评估指标？3.请描述一下你如何对大模型进行优化，以提高其性能和效率。4.你是否有过使用或开发大模型的经验？请分享一个具体的案例。5.大模型中的注意力机制是如何工作的？它在大模型中起到了什么作用？6.大模型中的优化算法有哪些常见的选择？它们各有什么优缺点？7.如何处理大模型训练过程中的梯度消失或梯度爆炸问题？8.在大模型设计中，如何权衡模型的复杂度和性能？9.面对大模型训练和推理所需的庞大计算资源，你有什么解决建议？10.请简述你了解的大模型的主要结构特点。11.reward bench上的reward model分哪几类?12. reward model如何训练的，训练目标是什么?13.dp0训练的损失函数和训练目标，dpo如何改进怎么理解大模型安全，包含哪些方面的内容？14.指令跟随能力的评估集有什么，如何评估的?15.阿尔法狗强化学习策略是什么?提升推理能力和指令跟随能力哪个更难, 为什么, 提升指令跟随能力的优化方式和其他的比如推理有什么不一样的地方?16.dpo训完了一般输出长度会变化吗? 如何解决这个问题大模型训练过程学习率一般是怎么变化的, 退火阶段学习率如何变化的?

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2. 项目拷打1: agent怎么做的，embedding怎么提的，为什么用无监督方法，后续有什么优化方向，怎么优化，强化学习怎么做3.项目拷打2: 生成式召回和传统召回的区别，召回数量有多少，sid有不匹配的问题吗，线上指标有提升吗，v3这样改进为什么会有效果4.八股：介绍onerec，强化学习具体怎么做5.手撕：旋转数组

有面试过同岗的朋友欢迎评论区交流1.简历拷打2.AUC的定义和物理含义，取值范围，最差多少3.两个模型，一个是另一个输出的两倍，这两个模型在测试的时候AUC有什么差异4.讲讲大模型的了解5.12个球，有一个重量和其他的不一样，用天平最少几次能找出？无手撕

继续来分享下之前的面经~1. 实习拷打2. 聊项目3. 手撕代码1: 用pytorch写self-attention4. 手撕代码2: 前K个高频数5. 手撕代码3: 二叉树前序、中序、后序遍历，然后根据后序和中序结果写前序遍历6. 了解广告、推荐算法吗？7. 介绍下wide&deep、deepfm8. 多任务模型怎么联合学习9. 过拟合的原因和解决办法10. 决策树，xgb和随机森林的区别11. 对数据做归一化的方式有哪些？12. 如何去除噪声异常点？13. 有哪些数据降维的方式？PCA的原理？

如果训练出来的模型在某一类任务上表现比较差，如何解决这个问题？如果DPO训练的过程中发现loss不降，如何定位原因？从数据构造和训练参数两个角度分析。有没有尝试过动态prompt，训练数据如何构造，如何保证policy正确？如果想把判别式任务转化成生成式任务，学术界有哪些常用方法，哪一种效果比较好有对比过吗？数据的难度分层是如何做的，为什么没使用困惑度？如何确保分层的准确性，用大模型进行分层为什么没有尝试更大的模型？做CPT时的数据量级，数据处理的pipeline？CPT的数据配比是什么样的，有没有考虑CPT后通用能力的退化问题？如何检验CPT后模型的通用能力？手撕：1、寻找重复数（转化成环形链表找入口来求解）2、手撕对比学习的loss计算3、手撕多头注意力

自我介绍问学校、为什么考研？以后的职业发展？神经网络初始参数能不能全设成0，为什么？只有一层的神经网络也不能吗？写一下0、1分类问题的损失函数为什么不能用MSE？手推MSE梯度计算回传了解transformer吗？介绍一下Encoder与decoder的中Attention区别？Attention如何计算？为什么除以根号下Dk？mask attention是如何实现的？为什么要用位置编码？为什么要用sin_cos？介绍一下你做的最好的项目？项目的背景，动机？ 你觉得哪里能进行优化？时间效率上？整体效果上？code:best_k，时间复杂度要求O(n), 空间复杂度能做到O（1）吗？