有面试过同岗的朋友欢迎评论区交流～1实习介绍2项目介绍+拷打(问了很多prompt具体怎么写的)3八股1.mcp、 function calling2.transformer架构4业务题意图识别如果有多个类别，怎么设计prompt?不考虑微调模型。5代码题括号生成

发一下问题给大家参考，有面试过同岗的朋友欢迎评论区交流1.大模型从头到尾的训练过程2.grpo算法优势在哪里 相较于ppo3.为什么去掉valuemodel了解他的损失函数么4.GAE是在做什么 grpo最大的改进是什么5.agent的定义是什么6.rag项目中你的例子库是用什么办法匹配的7.算法题:手撕 MHA8.算法题:一道改编的动态规划9.算法题:求一个n分解成k个数字的和如何使得这k个数字的乘积最大

发点面经攒攒人品项目拷打深度学习简答：1. Transformer -> Attention公式，原理2. Flash Attention原理3. LN和BN的原理和区别4. 常见的分类损失函数5. 常见激活函数有哪些6. ReLU公式，用法，存在的问题7. 常见的回归损失函数手撕代码交换正整数的两位数字，使其尽可能大给定一个N位、M进制的正整数，交换这个整数的两个数字（仅一次），使其尽可能大

1.简历拷打2.离线实验一般用什么指标验证？做过离线评估吗？3.对于特征选择有哪些技巧和方法？4.之前做过召回吗？能介绍一下常见的召回损失函数吗？5.介绍一下rankmixer中mixup的主要结构？6.代码二叉树的最大宽度零钱兑换

给我面没招了，感觉自己好菜，发点面经攒攒人品...1.简历拷打2.在你的场景auc如何计算3.为啥要做这个分箱策略4.累积概率回归怎么做的5.多任务建模了解哪些？6.介绍一下你了解的onerec7.v1和v2的改进在哪里8.详细讲一下lazy decoder only9.你的场景中有接入onerec吗？代码考核leetcode 加油站leetcode 二叉树宽度

1.实习精排经验拷打2 lhuc如何确定哪些特征重要?3 CGC建模方式，最底层输入每个专家组的数据一致吗?如果一样，上层训练不会趋同吗?4 一个点击item序列，sql如何取最近10个item，用什么函数?5 tensorflow如何实现lhuc或者dcn?6 除了lhuc这种点乘的注意力方式，还有哪些?

手撕 大于目标值的最短子序列项目一1.讲一讲重排线上的贪心方法2.怎么评估序列价值3.详细介绍项目结构，label，loss4.多目标的权重有没有考虑过自动搜参的方法5.有没有想过用listwise的方法6.详细讲一讲SMOE7.MOE为什么会有效果8.线上具体指标变化有没有分析过原因项目二1.详细介绍2.上采样是怎么实现的3.样本是什么

1.clip 知道多少？写一下 loss 函数2.vision encoder 如何训练，你的多模态有分阶段训练 encoder 吗？3.为什么需要分阶段？模型做了交叉验证吗？4.你论文 sft 统一训练还是分开的？我看你是分开的为什么分开？5.如何做 reject sampling？给你3M 的图和视频，只有 16 张卡，设计一下 rs 的方案6.论文进一步做后续有什么方案？7.LLM 如何后接 mask 模型，最近看了哪些LLM 做 mask 的论文？8.AI 生成的 mask 你们如何做的人工验证，还有什么 trick？9.LLM图像/视频生成理解如何统一？有什么劣势？10.diffusion 的 loss 是什么？11.现在为什么不用 q-former 了？12.手撕：二维有序矩阵找第 k 小的值

1.版式解析三栏版式怎么解决，我现在有一个非常复杂版式，有什么好的办法吗？2.YOLO 有了解吗？为什么不用 yolo3.现在版式解析数据集有哪些？特点是什么？4.讲一下 lora5.手撕：找出二叉树倒数第 K 个值攒人品中

1.code:acm模型，自己建树，翻转二叉树2.介绍一下实习的整个推荐链路，组里面的规模，问的很细，面试官好像很在乎你做的场景大不大3.粗排有没有和精排有什么交互信息？比如粗排给精排什么指标？蒸馏怎么做的 ？4.序列建模的基线模型是什么？如果用transformer来做，你会怎么做？5.说一下为什么要砍掉多目标的这个目标塔？有没有做一些尝试去平衡？你有什么思路6.介绍一下两篇论文，面试官很感兴趣，讨论了一下7.为什么要用clip？深挖clip细节，Zero-shot推理，问clip的缺陷和改进方案（没答上来）8.有没有其他的多目标的融合策略？这个聊的很多

整理了下之前的面经，攒点人品1️⃣ 项目：多模态相关，会LoRA/SFT，负责全流程，有实操经验。2️⃣ 实习：协助多模态数据集、SFT/LoRA微调，熟悉流程。3️⃣ 数据集：公开（COCO等）+自定义，兼顾成本与适配度。4️⃣Dense vs MoE：Dense全参（快但重）；MoE分专家（轻量化，蚂蚁常用）。5️⃣MoE路由：特征评分→Top-2选专家→加权融合+负载均衡。6️⃣ 验证集：8:1:1划分，无重叠，仅用于验证泛化能力。7️⃣ 难点：模态融合/专家不均/过拟合，对应特征归一化等方法。8️⃣SFT：预处理→搭框架→监控loss→验证微调。9️⃣PPO：强化学习，KL散度控差异，最大化奖励。🔟RAG：检索增强生成，优化检索效率，提升精度。1️⃣1️⃣ 分类指标：准确率、精确率、召回率、F1-score。1️⃣2️⃣LoRA：插A/B矩阵，仅更更新两矩阵，轻量化。1️⃣3️⃣ 矩阵初始化：A正态、B全零，后归一化。1️⃣4️⃣LoRA秩：r=16，搭配α=32，兼顾效果与成本。1️⃣5️⃣ 三数之和：排序+双指针，去重，O(n²)。

整体面试还是不错的，但是没后续了，欢迎评论区交流～1. 实习介绍2. 项目深挖3. RAG的问题与改进方案。4. 在不能修改模型的情况下，如何调整模型回复风格？5. 为什么大模型有few-shot能力？讲一下few-shot能力的原理。6. PPO、DPO、GRPO、DAPO等RL算法的原理和区别。7. 平时是否使用vibe coding？对此有什么看法？8. 手撕代码：编辑距离，分析写法的时空复杂度，有什么更优的写法？

1.以项目拷打为主2.我看你做过强化学习和多模态，分别介绍一下3.介绍你做过的大模型OCR项目4.简单讲讲transformer的原理5.讲讲你做的课题6.你对Agent有什么了解，做过的场景是什么

1.介绍Transformer架构2.多模态大模型架构3.多模态+GRPO有没有结合的想法和思路4.MoE架构5.Token向量化具体怎么计算6.对于VLM模型的架构是否熟悉7.视觉编码器是否了解8.多模态模型如何将文本和图像映射到同一向量空间9.对VLA、具身智能的了解10.对clip的理解11.如何衡量图像embedding和文本embedding之间的相似度12.Transformer的encoder和decoder区别13.介绍self attention和cross attention14.大模型的编码方式有哪些15.介绍encoding和decoding16.介绍旋转位置编码17.大模型的词表是怎么生成和使用的18.针对不同模型，如何调整提示词以适应其特点19.Prompt一般是怎么设计的，怎么迭代优化的20.人工标注vs模型标注，如果使用模型来打标，可能会遇到什么样的问题21.意图识别中，模糊意图、多意图、意图分类怎么做22.讲讲glm模型的技术特点，架构等