一、第一层：从堆代码到搭系统1.数据是怎么进入知识库的？2.用了什么样的分块策略？3.索引更新机制如何保证？4.检索精排是怎么设计的？二、第二层：从能检索到会优化1.混合检索在语义检索之外，引入关键词召回（BM25),融合两种结果，既保留语义理解，又能精确匹配术语。2.两阶段检索用向量召回快速找Top50，再用 Cross - Encoder 做精排，取Top5。这就是成熟 RAG 的"标配"架构。3.查询理解用小模型或提示词自动扩展 Query三、第三层：从能回答到能推理1.长上下文优化（ Long Context )做成一个"小型知识总结助手" Demo ，就非常有竞争力。2．强化学习（ RL )在 RAG 上叠加轻量 RL 流程，根据反馈信号调整 Reranker 或 Prompt 策略。3．多模态融合（ Multimodal RAG )尝试接入图像或表格内容。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. GRPO是on policy还是off policy？为什么？2. GRPO利用的数据是旧策略产生的，那为什么还叫on policy？3. 重要性采样解决了什么问题？ 公式是怎么样的？解释下每个参数4. GSPO和DAPO分别解决了什么问题？怎么解决的？5. 什么是强化学习的熵崩溃？怎么优化或者解决这个问题？6. 熵崩溃和reward hacking什么关系？7. Qwen3和ds r1区别？8. 如何确定你项目的评估指标迭代是否符合当前需求？9. MLA具体是怎么做的？可以加快推理速度吗？10.  代码题是给三段代码，判断输出。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

几个关键点：学历要求，基础知识，入门学习路线，入门项目实践和项目进阶。欢迎后台咨询高质量搜广推项目。

1. 介绍一下项目2. 多头注意力机制的计算复杂度是多少？3.LoRA 的核心思想是什么？4. GRPO 训练时 KL 散度控制得怎么样？5. SFT 阶段如何避免对padding token 计算 loss ？6.训练 SFT 模型时 loss 出现剧烈震荡，你是如何诊断并解决的？7. Transformer 中为何使用 LayerNorm 而非 BatchNorm ？8. Transformer 里LayerNorm 放在 Attention 前还是后？有什么区别？9. logprobs 在一致性奖励中起什么作用？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

✅上一份工作的薪资总包涨幅基于总包（年度总现金），而非仅看月薪（ Base )。高年终奖（如14-20薪）会导致总包高、 Base 低的情况。小厂跳大厂：大厂具有"平台溢价"，默认是你有求于它，因此 HR 通常会压价，很难给到高涨幅。▶️身处特殊热门领域：当前人才供给严重不足的领域（如 AI )，如果你高度匹配，可能获得高涨幅。✅面试评分1️⃣对业务的理解与思考深度：面试官考察你过往的复盘结论和认知积累。考察重点：偏重认知类、战略类问题，而非操作细节。2️⃣积极的个人状态：需要展现出对岗位的热情、强烈意向和充沛的能量感，以此感染面试官。☀将面试准备的重点放在提升"面评"上，尤其是展现业务深度和积极状态，这是争取溢价的核心。对于中高级别候选人，必须重点准备如何回答体现认知深度的"高阶问题"（如果对面试的准备没有把握，可以找我们），这是获得高评分、进而争取高薪的关键。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.在 RAG 应用中是如何做效果评估具体用了哪些指标2.如何训练用于 RAG 场景的生成模型3.vLLM 的核心原理是什么4.如何增强模型的多轮对话能力5. CoT ( Chain - of - Thought )训练数据如何构造6.介绍vL LM 、量化、 KV Cache 优化技巧7." packing "形式和"多轮对话"形式有何区别？8.LeetCode 72编辑距离📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.实习项目2.微调大模型的方法有哪些？3.生成式推荐项目模型的输入是什么？4.介绍一下 CLIP , CLIP 使用的损失函数是什么？5.讲讲 InfoNCE Loss6.生成式推荐项目后续有什么可以改进的地方？7.生成式推荐的项目8. tiger 、onerec 是怎么实现的？9. encoder - decoder 、 decoder - only 哪种方式更好？10.手撕：实现一个24点计算器

1.自我介绍与项目反问2.你都读过哪些关于多模态的技术报告3.为什么现在大模型能处理动辄一两万 token 的长序列信息？4.qwen2.5和qwen3之间有什么区别你了解吗？5.序列长短不一，会浪费计算资源，怎么解决这个问题呢？6.qwen2.5- omni 个qwen3- omni 的区别和不同？7.你关于大模型理解的看法。8.代码：编辑距离onehot1009.代码：二叉树从内存中的读取📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.介绍下transformer的结构2.如果微调模型出现复读机现象，是什么原因3.如果微调效果不好，怎么去分析4.能不能讲一下你对function call的理解5.问答系统上线，从query到生成回答，花多少时间6.Agent工具调用你知道怎么训练吗，训练集应该包含哪些，怎么得到训练的数据集7.假如一个query有两个工具可以调用，训练集应该怎么设计8.你构造数据集遇到过什么难点，如何解决问题📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.自我介绍2.手写 fm 公式3.解释 Ir 为什么不能自动特征交叉4.一个曝光用户从来没有交互信息，怎么过双塔5.写出 moe 的损失函数6.什么样子算自动特征交叉7.写出 Ir 的公式8.代码：二叉树中序遍历📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 项目介绍2. 统计特征处理方法3. 了解的生成式推荐模型4. 了解的排序模型5. SIM模型原理与top-k召回改进思路6. MMOE模型、问题与专家同质化解决方案7. 对端到端生成式推荐的了解8.手撕代码:最长连续子数组（滑动窗口）9.反问环节:团队业务📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.自我介绍2.项目拷打3.数据集大小介绍，字段介绍4.有没有进行分桶处理，分桶的好坏5.项目里 sparse 特征和 dense 特征处理方式有什么不同6.项目里避免过拟合的方法7.模型参数怎么确定的8.标准化归一化是在拼接前还是拼接后，这点在排序和召回中有什么区别吗？9.baseline 里的协同过滤介绍10.din 计算方法11.coding ：一道 sql , hard级别📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

✅一面 1.自我介绍2.项目拷打与反问3.写一下交叉熵损失的公式4.MSE能用到分类任务上吗5.介绍transformer6.介绍auc，精确度，召回率，F1等等，auc的意义是什么7.为什么Transformer用ln不用bn8.开放:如果给你一批数据的点击率，曝光度，位置信息等，如何判断用户点击数据是否跟数据的位置有关✅二面1.项目的拷打与反问，比一面要刁钻一些2.问了GRPO和DPO的公式，后者没答出来3.问了DRPO，为什么可以把散度去掉，没答上来4.为什么要重要性采样5.讲一下注意力机制，交叉注意力，为什么除以根号d6.介绍一下什么情况下会出现梯度爆炸和梯度消失，为什么，出现了这种情况模型会怎么样7.贪心算法📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。