攒人品中！！！1.项目拷打2.实习拷打3.query 改写怎么做，怎么避免语义漂移？4.重排模型如何离线训练与线上蒸馏？5."命中检索但生成幻觉"你会如何分层定位？6.线上P95突然上升30%，你如何10分钟止血？7.如果要在一周内恢复体验，你排优先级的原则是什么？8.Continuous Batching 在你场景里是否值得上？9.KV Cache 占用如何估算？你们做过哪些降占用策略？10.如果预算砍半，你保留哪些模块，砍掉哪些模块？11.618大促场景下，准确率和延迟冲突时你怎么取舍？12.你如何向产品解释"离线分高但线上没提升"?

继续来分享下之前的面经~欢迎友好讨论，信息共享1.直接开始八股2.Transformer 中为什么用LN不用BN3.图像中 BN 是怎么用的4.在 NLP 中如果句子长度不一致，用 BN 会有什么后果5.给定三维矩阵bsz * seq_len * dim，BN和LN分别作用在哪个维度6.已知bsz seq_len dim head，参数量是多少，和哪几个参数有关7.带有多个注意力头的注意力机制计算过程8.说出pytorch中维度变换的函数9.显存OOM，参数，ZERO，vllm，梯度累积，优化器，混合精度10.讲一下实习经历11.长度外推技术12.觉得自己做得最好的点是什么13.使用华为的框架和显卡进行SFT有没有遇到什么问题14.LongLoRA和LoRA的区别15.算法题：返回第K大的数，要求比快排更快

被横向挂了，希望发出来对大家有帮助！1.itemcf适用场景2.多路召回如何合并3.Transformer的位置编码为什么是直接和embedding相加，这样怎么学习到位置4.attention计算5.多头注意力是什么，有啥用6.ndcg计算7.讲讲你知道的生成式推荐8.AUC和GAUC 怎么计算9.先从Transformer结构讲起，然后讲到bert的结构，再讲到sbert和bert的区别以及bert的微调是这么做的10.参数有没有做调优，如果做了是怎么做的11.RAG的滑动窗口分块overlapping怎么设置设计的12.梯度消失和梯度爆炸的解决方式13.损失函数的温度系数作用14.如何防止过拟合

给我面没招了，感觉自己好菜、面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习项目拷问，怎么用到下游2.知道哪些大模型?3.强化学习项目提问4.无手撕挂得很爽快

发一下问题给大家参考，攒攒人品！1. 实习介绍，问的比较详细2. 项目拷打3. 介绍下多任务模型mmoe4. 介绍一下深度学习中的dropout5. 训练和预测过程中dropout设置方式，跟训练保持一样，还是随机选择一些节点丢弃，还是有其他方式6. 神经网络训练参数初始化方式，分别会有什么问题7. Layer Norm和Batch Norm的区别8. 梯度爆炸和梯度消失是为什么，如何排查，如何解决9. 介绍一下自适应学习率的算法10. 集成学习中的bagging和boosting有什么区别，分别选择一个代表算法进行介绍11. 代码题 LC 编辑距离

三面主要以聊项目为主，问题相对比较少，无手撕DPO相比于PPO的优势？在不同的项目中，都使用了DPO，有哪些区别？如何分析训练结果并改进训练数据的构造方式？多模态的DPO的训练是如何做的，如果构造数据？

自我介绍深挖简历你的场景如何调整各个loss weight？（实际是在问一些多目标融合的东西）如何解决用户分发点击不一致的问题？介绍一下MAML的训练方法假设一个批次内只有一个任务A，有一个初始值a，a在任务A德训练集上梯度下降一步，得到任务A的最优参数a1，根据任务A的测试集，计算损失对最优参数a1的梯度，将这个梯度平移过来作为损失对初始值的梯度，沿着这个方向梯度迭代一步，得到初始值a的新值a2除了元学习，你了解的针对冷启的方法还有哪些？对召回了解多吗？介绍一下几个主流的模型代码：最接近的三数之和，反转链表并打印出来

一面（主要结合实习和项目）：1. 目前了解到的序列建模工作有哪些。2. 对比学习的原理。3. InfoNCE的温度系数有什么作用。4. 手撕题 删除链表倒数第n个数。5. 过往kaggle比赛选一个讲一下。6. 实习中遇到过最大的挑战是啥，是怎么解决的。二面 （主要结合实习）1. 针对实习深挖，需要提供一些可能的进一步的改进方案2. kaggle里有一个大模型项目，讲述一下是怎么做的，有什么创新点。3. 手撕题 返回数组第k大得数，nlogn就行，但不能调用sort。hr 面1. 主要对过往经历做了一些提问，不涉及技术。 整体面试很轻松，没有压力面，手撕题也比较简单。所以有点难以确定会不会最后...