感觉面的还可以，发下问题给大家参考，有面试过同岗的朋友欢迎评论区交流1、召回在整个推荐链路中的作用和必要性？2、多路召回融合的动态权重设计，手动还是自适应调整？3、规则召回是怎么做的，用到哪些规则？4、cf的召回过程？5、swing与cf的区别，这两者存在什么弊端6、怎么实现u-u-i的召回？7、多目标排序算法有了解吗？讲一下MMoE8、序列建模有了解吗？Code:最长递增子序列

项目相关八股：1.推荐系统的流程和结构？2.使用多路召回分别是？3.介绍一下ItemCF是怎么做的？4.相似度是怎么计算的？5.有考虑根据物品热度做消偏么？（应该像是SwingCF这种）6.正负样本怎么选择？7.评估指标都怎么算的？8.UserCF了解么？9.所给特征都用了么？如何判断特征重要性？10.MMoE了解么，PLE呢？11.手撕：每次操作中，选择任意一个 nums[i]，删除它并获得 nums[i] 的点数。之后，你必须删除所有等于 nums[i] - 1和 nums[i] + 1的元素。开始时你拥有 0 个点数。返回你能通过这些操作获得的最大点数。

感觉真不简单啊太卷了。。。。1.简历拷打2.实习拷打3.二阶段的训练会存在什么问题？有没有考虑加一个模块直接改成一阶段的？4.介绍一下rqvae怎么做的？训练遇到了哪些困难？如何处理的？5.代码加油站买股票最大收益问题，可买卖两次反问

1.简历拷打2.介绍一下ppo dpo和grpo这些，除了这几个还了解哪些3.了解dqn吗？有哪些变种？4.actor和critic两者的区别？5.介绍一下value base和policy base？6.介绍一下RL的损失函数？代码二叉树的最大宽度最长递增子序列

1实习时长，到岗时间，自我介绍2三道题 20min完成1.逆序数量 o(n^2)的方法秒了，后续问优化没答上来，后面查发现可以归并排序做2.215 第k大的数 小根堆秒了，问其他方法答快速排序，但是不记得怎么做了3.300 最长递增子序列，但是要保存这个序列3聊实习经历4上一段实习din如何做?是否有尝试用transformer提取长序列兴趣向量?超长序列兴趣向量提取其他方法5 transformer+mha光速吟唱6是否有看llm相关论文7 是否了解mha变体和推理加速?transformer跟din位置编码分别怎么做?8 lhuc和lora关系?9除了lhuc其他增强特征的方式

项目一 1.模型的label和loss怎么设计的，这两个loss是一起训练的还是分阶段训练的2.模型最终生成的序列会过打散吗3.线上总共有哪些序列生成通道，贪心是基于精排的打分吗项目二1.如何对应item和sid序列2.这个项目大概探索了多长时间3.最终效果为什么不好，你有做过分析吗4.sid和用传统item id对比的好处5.RQ–Kmeans和RQ-vae对比，讲讲他们各自的优劣6.RQ-Kmeans最终没有办法完全表示出原始的emb，这个有了解过哪些方法吗手撕最长不重复子字符串修改为重复不超过k次

1.训练做了哪些？为什么分为多个阶段？2.用 LLM 清洗数据有什么技巧？3.讲一下 reflection？4.手撕：移动后的数组找到索引值5.反问环节

1.讲一下版式分析是怎么做的？bbox 的 IOU 是什么？2.版式分析怎么做优化？目标检测有自己训模型吗？3.现在有哪些版式解析的工具？都有什么优劣？4.讲一下你的论文5.讲一下你的这个横向，有演示视频吗？6.clip 你是怎么用的？有微调过吗？7.向量数据库了解多少？有一大堆图片如何过滤相似图片？8.PDF 文档太长如何解决？RAG 讲一下整体面试还是不错的，但是没后续了，不知道是哪里出了问题

1.code:删除字符串中多余的空格，只保留一个（非Hot100）2.介绍一下多目标的项目3.介绍一下DTRN的几个模块4.你提到的TRM其实是一种软门控机制对吧，有没有看过FiBiNet，动态重要性怎么算，聊了一会5.两个不同的特征向量，如果我要捕捉细粒度的特征交叉信息，你觉得内积和外积，元素积谁更合适6.预测值乘一个权重，auc的值是否改变，gauc呢？7.我看你用到了Clip，知不知道他的改进的一些模型？（这个之前被问到了，我读了几篇论文，这次问题不大，面试还说你阅读量还可以）8.手写论文中的堆叠的self-attention和cross-attention层，解释一下有什么作用？

1.介绍项目2.数据集具体信息3.每个项目结构是怎么设计的，为什么这么设计，依据指标是什么4.CLIP框架描述（我做的和clip相关）5.clip的文本编码器和图像编码器都是什么，它们分别如何提取特征6.vit的结构7.经典qkv8.手撕代码：最长无重复子序列。要求先快速讲思路后按照思路撕，应该是防ai

最近空下来了写点面经攒下人品...1.项目拷打为主，问的非常细2.针对全流程问了各个环节的badcase，占比如何，重点解决哪部分3.以一个具体的badcase为例，讲讲如何思考、如何解决的4.数据分别怎么样，泛化性如何考虑5.大模型如果出错怎么办，是否有相关的处理机制6.对AIGC本身了解有多少，例如绘图、生成视频7.对于加班这件事怎么看8.你的文章思路是怎么来的9.针对文章背景的这个问题，业内主流思路与你们的差异10.介绍消融实验是怎么做的11.PPO损失函数是什么样的12.GRPO相比于PPO的改进点

1.以项目拷打为主2.项目部署后，推理的流程是怎么样的3.反思验证具体怎么做的4.Reward function怎么设计5.介绍你的agent系统，是怎么工作的6.Agent实际运行时有上下文问题吗7.Memory空间是怎么管理的8.全模态意图识别怎么做的9.你微调怎么做的，用了什么库、工具之类的10.是否部署过模型11.SFT数据集质量怎么评估12.是否了解大规模SFT数据集，例如某些通用的benchmark13.对于人工核验数据有什么心得14.手撕题，写一个softmax函数

1.对Agent框架的理解（langchain、langgraph）2.介绍MCP协议3.你认为要把一件事情做好，Agent应该怎么拆分。Agent拆分的环节数量，对于最终的交付质量有什么关系4.Agent长上下文5.对Agent整体的微调（包含RL）是否了解6.介绍react思路7.Agent的memory空间管理8.对于Agent的理解，9.Agent vs Workflow10.Agent中模型能力重要还是设计框架重要11.对于Agent记忆的理解，当前市面上用的多的方案有哪些12.你对Agent怎么看13.对Muiti-Agent协作的看法14.Agent和模型微调分别适用于什么问题

1.如果想要在某个模型基础上做全参数微调，究竟需要多少显存?2.为什么SFT之后感觉LLM傻了?3.SFT 指令微调数据 如何构建?4.领域模型Continue PreTrain 数据选取?5.领域数据训练后，通用能力往往会有所下降，如何缓解模型遗忘通用能力?6.领域模型Continue PreTrain ，如何 让模型在预训练过程中就学习到更多的知识?7.进行SFT操作的时候，基座模型选用Chat还是Base?8.领域模型微调 指令&数据输入格式 要求?9.领域模型微调 领域评测集 构建?10.领域模型词表扩增是不是有必要的?11.如何训练自己的大模型?12.训练中文大模型有啥经验?13.指令微调的好处?14.预训练和微调哪个阶段注入知识的?15.想让模型学习某个领域或行业的知识，是应该预训练还是应该微调?16.多轮对话任务如何微调模型?17.微调后的模型出现能力劣化，灾难性遗忘是怎么回事?18.微调模型需要多大显存?19.大模型LLM进行SFT操作的时候在学习什么?20.预训练和SFT操作有什么不同21.样本量规模增大，训练出现OOM错22.大模型LLM进行SFT 如何对样本进行优化?23.模型参数迭代实验