攒攒人品！有面试过同岗的朋友欢迎评论区交流1.agent的改进方向是什么2.你认为从大模型端要做什么来适配agent3.大模型基础 & 微调4.大模型项目遇到了什么问题5.大模型微调的机制6.lora的具体原理7.lora中特殊的超参数有哪些，分别有什么意义，会对模型有什么影响8.lora效果不好怎么办9.lora的缺点，改进方向10.有没有从0训练大模型的经历11.上下文 & 记忆机制12.怎么加强大模型记忆机制13.上下文接口怎么修改

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目相关2.如果是做生成式召回应该对模型结构怎么修改3.常用的归一化方法有哪些4.从样本里随机去掉一些负样本，Auc怎么变5.DPO的全称是什么，公式是什么，直接体现在哪里6.MOE激活的分布，怎么确定是MOE的效果7.dpo的公式是什么8. sgd是什么，Adam相对于sgd改进了什么9.kvcache怎么做的，了解大模型中别的提高效率的办法吗位置编码10. 正余弦位置编码的公式手撕

攒人品中，祝大家都能拿到满意的Offer！1.板载端部署之后决策有延迟如何解决2.在十字路口场景下对于观测的输入构成以及其他车辆轨迹预测的一些idea3.coding了一个字符串相乘4.叙述transformer原理和使用方法5.coding了一个阶乘后的零

继续来分享下之前的面经~欢迎友好讨论，信息共享1.实习拷打2.在微调大模型时，你使用过哪些框架？它们的优缺点分别是什么？3.CLIP 模型的 zero-shot 能力是如何实现的？它在多模态任务中的应用有哪些优势？4.Transformer 中 Pre-Norm 和 Post-Norm 的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型中，为何通常采用 Decoder-only 架构而非 Encoder-Decoder 结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对 Transformer 模型推理过程，你会采用哪些优化手段？8.请阐述RAG的核心原理，并说明如何通过 RAG 缓解大模型的幻觉问题。9.vLLM 框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10.请对比 RLHF、PPO、DPO 算法的技术差异、优缺点及适用场景。

欢迎友好讨论，信息共享1. 多任务模型中CTR/CVR/时长预测任务的关系？如何解决任务冲突？2. 特征重要度计算：Permutation Importance和SHAP值的区别？哪种更适合深度模型？3. 高基数类别特征（如UserID）的Embedding维度如何确定？4. 实验指标：AUC提升但线上CTR未涨，可能原因？（数据分布差异、特征穿越等）5. 多模态特征（文本/图像）如何融入推荐模型？6. MMoE中Expert数量的选择依据？（业务任务数、模型容量等）7. 多任务学习的"跷跷板现象"解决方案：PLE结构比MMoE改进在哪？8. 负采样对CTR预估的影响？如何校准采样后的预估值？（通过采样率调整logit）9. GAUC的计算公式？相比AUC的优势？10. 实时推荐系统中如何保证特征一致性？（特征快照+版本控制）11. 逆序对数量（归并排序变种）12. 带权重的随机抽样

1.为什么要使用senet，作用是什么2.介绍pepnet3.解释pepnet中的stop gradient3.介绍AUC及GAUC4.介绍transformer结构5.写出注意力公式6.为什么self attention要除以dk6.mask attention是怎么做的7.介绍layernorm8.layernorm和batchnorm区别手撕：三数之和

一面： 项目拷打八股：GRPO对比PPOGRPO的问题、哪些算法解决它的问题ReAct框架介绍ReAct和Plan-and-Excute 对处理长上下文有什么优劣势大模型有哪些技术设计让他能够处理更长的上下文代码考核：每k个链表反转二面项目拷打八股：GRPO介绍比较不同强化学习算法的优缺点强化学习训练有遇到什么挑战吗奖励之间做平衡有什么经验吗？分阶段奖励训练有尝试过吗？代码考核：验证完全二叉树的完备性。

1、自我介绍，项目相关提问和八股2、大模型微调为什么用7b，显存怎么计算的；如果不用lora微调，需要多少显存；deepspeed怎么切分的；模型训练有几种并行方式3、RAG的细节：怎么分块的，嵌入用的是什么模型，索引用的是什么方法，为什么用bge，其模型架构是什么4、代码题：买卖股票的最佳时机5、反问业务，劝退我这种只会调库的干不来，被面试官一顿锤

1. udp如何保证可靠性2. tcp头部字节大小3. 字符串匹配算法怎么设计复杂度最小4. kmp算法流程5. 一副扑克牌去掉大小王，随机抽七张牌，抽到炸弹的概率是多少6. 了解哪些设计模式讲一下面完发现不是很匹配，但面试官人挺好，直接给我换java开发了

面试氛围挺好，面试官水平很好，很有深度 问题:1. 对于特征交叉结构，其实存在相似的模式，如何理解交叉模块的串行和并行结构2. 继续改进有哪些方向3. 了不了解一些比较新的交叉结构4. 如何理解特征共线性，通过什么影响效果5.知识迁移哪些方式，kl散度的理解6. mmoe梯度冲突的解决方法手撕:1. 相同数字的范围2. 下一个排列