大模型数据算法实习生2026.01.09，上午10:00，一面，线上，30多min，只有自己开摄像头，面试官没开1.自我介绍2.有没有用过正则表达式处理过数据？3.假设给一个jsonl数据，和几个关键词，jsonl数据中命中3个以上关键词保留，让用python实现（用了两层循环）4.往列表里添加一条数据是什么方法（append）5.python中的多进程和多线程有什么区别？网络请求中是多进程快和多线程快？（答的不好）6.python中的is和==的区别（说了is主要用于字符串或bool类型判断，==主要用于数值判断，结果面试官让用更“科学”的方式解释）7.python里面的迭代器和生成器有什么区别？（答的不好）8.假设给一个100G的jsonl文件，但内存只有10G，如何读取数据（说用pandas处理，结果不让用，让用最原始的方式处理，后来又说了对文件进行压缩）9.手撕：LeetCode两数之和（哈希表）10.问平常使用什么系统（说了windows，也用linux）11.假设linux系统中没有root权限，如何给一个文件赋予读写权限（说了如果知道密码，可以sudo su转成root用户或者chmod -R）12.给一个路径，求路径下面有多少个文件和文件夹（说了tree）又问如果只统计文件夹呢？（答的不好）13.一个文件目录下有很多个txt文本文件，如何找到其中包含“乘式”的文件？（答的不好）14.问了grep15.问有没有使用过大数据相关的组件（说了hadoop，spark，flink但不熟悉）反问：1.部门的主要业务，主要是做大模型和多模态大模型相关的，我这个岗位主要是处理预训练的数据，可能会涉及算法2.使用什么服务器，A100，H100，910B都有（居然有910B，NPU？！）感受：没想到一道大模型相关的八股都没问，没想到居然问了一堆python基础，也没想到问了linux的一堆操作

AIGC算法实习生2026.01.08，下午14:00，一面，线上，30多min1.自我介绍2.手撕：括号匹配3.拷打简历4.介绍Diffusion5.介绍Transformer，注意力机制的公式，为什么要乘以V矩阵，Q为什么乘K的转置反问：部门主要的业务，主要是做图像生成方面的面试完没多久约了二面