八股: 1.为什么图像要划分patch，对应物理含义，对比联系nlp文本2.不同loss应用任务场景，解释loss怎么算3.lora原理，初始化，为什么，对比sft4.图像分割任务数据少，不同场景数量不均衡怎么解决，过拟合欠拟合，怎么解决，除了加数据呢，除了改loss呢(还说了数据增强)5.训练网络过程的一些优化6.batchnorm和layernorm区别，为什么用，在哪里用7.attention及其变体原理，cross attention的qkv来自哪里8.其他的记不太起来了，都是基于简历和组内业务的延伸好像，总结来说都不难。简历拷打内容:1.自述最得意的paper和实习*1，你觉得你做得最好的一点在哪里。2.期间穿插模块细节询问，实现手段，觉得有什么问题，怎么改进。3.询问自己做的一个小demo，各个模块设置的动机，然后开始压力我，面试官觉得某些部分没必要，问为啥这么设计，解释和对比效果后面试官看起来还是满意的。其他:1.你有xxx的offer了为什么还要考虑这边？2.未来规划3.base地倾向4.薪资预期？(我寻思也没给我发意向啊5.算法题:括号生成反问:1.强度，说是比较wlb2.业务内容

能力测试，包括图推，数字计算和言语三部分。图推感觉还是挺难的。数字计算有普通计算题，数字规律题，资料分析题，难度还可以，言语题也还行，跟北森差不多，有逻辑思维题性格测试是164题不限时的

1.transformer encoder结构 位置编码用的是什么 除了正余弦位置编码还有什么别的2.具体讲multi head attention怎么做的 以及公式 为什么要除根号下dktransformer decoser和encoder有哪些不同的地方 cross attention中qkv分别来自哪里?带mask的self attention是什么样的 mask4.为什么transformer中用的是In不是bn5.交叉熵损失函数公式 为什么分类问题只能用交叉熵不能用 mse6.其他项目强相关，类似为什么要用one6.rec的基座 样本组织形式和one rec和hstu有什么区别。损失函数是什么。dpoloss公式，怎么构造偏好对，和基于人类真实反馈的有什么区别，dpo的流程是怎样的，有什么作用，为什么不能和参考模型分布相差太远7.rq vae的原理，rq vae的输入是怎么得到的，经过encoder之后得到的latentemb有什么用，和平衡kmeans有什么不同?为什么rq vae优化 ctr预估模型提升不那么显著代码1.交叉熵损失函数公式写出来 求y=wx+b 梯度2.两个数组的子序列求最大点积 有点难 用二维dp才行

1.实习介绍2.问学校、为什么考研？3.以后的职业发展？4.神经网络初始参数能不能全设成0，为什么？只有一层的神经网络也不能吗？5.写一下0、1分类问题的损失函数6.为什么不能用MSE？手推MSE梯度计算回传7.了解transformer吗？介绍一下8.Encoder与decoder的中Attention区别？9.Attention如何计算？为什么除以根号下Dk？mask attention是如何实现的？10.为什么要用位置编码？为什么要用sin_cos？11.介绍一下你做的最好的项目？项目的背景，动机？ 你觉得哪里能进行优化？时间效率上？整体效果上？12.code:best_k，时间复杂度要求O(n), 空间复杂度能做到O（1）吗？

1、介绍自己的中厂实习2、一面的部分实习问题这里也问了。3、有没有试过外挂数据库来解决线上业务数据分布更新较快的问题，4、模型选型问题，为什么选qwen3-8b，如何估算模型开销。5、最多做过几卡的模型训练?对deepspeed和Megatron有多少了解?6、接触过哪些推理加速的方法。(vllm的page-attention, kv cache, prefix cachemla，flash-attention直接安排一套)7、一个他们组里面的一个具体场景题。8、手撕k个一组反转链表，并要求最后不足k个的也反转。

1、介绍自己的中厂实习。2、追问实习业务的上下游，以及交付标准、测试集怎么构成:3、追问为什么这个业务要引入大模型，大模型解决了什么问题。4、大模型sft解决不了业务问题吗?为什么还要引入强化学习。强化学习主要解决业务中的什么问题。5、讲一下PPO和GRPO的原理和区别6、如何理解强化学习中熵的概念，如何保证训练过程中熵保持在较高的水平。7、强化学习中调参的经验8、强化学习中on policy和off policy有什么区别?grpo是on policy的吗?如何实习真正的on policy强化学习。9、多模态大模型的训练过程有什么不同?10、多模态大模型的vision encoder一般使用vit的第几层输出?11、mlp和Q-former两个模态融合模块的优劣?12、手撕二叉树层序遍历

国考竟然放宽到38岁了，牛友们有多少准备报的？

8.22笔试-9.6一面-98二面-9.9hr面-9.13部门负责人面-9.22 无意向hr直接电话开奖-9.25状态变offer等正式合同ing

这周收到了线下面，汇川怎么样啊，求解答有什么面试必问题吗，需要什么样的bg啊！！！紧张紧张紧张紧张紧张紧张

今年秋招到底是金八银九，还是金七银八呀，慌得一批。

一封感谢信，我要用三天去治愈😣

华为云计算开发这个岗位咋样面试一般问什么

网易推荐算法面试经历一面（50分钟）- 除了Dropout和L1/L2正则化，你还知道哪些防止过拟合的技术（如早停、数据增强、批量归一化）？请分别说明其原理和适用场景。- 为什么说Dropout在推理时需要对权重进行缩放（Inverted Dropout）？它和标准的Dropout在实现上有什么区别？这样做有什么好处？- Transformer中的位置编码（Positional Encoding）有什么作用？你了解哪几种实现方式（如绝对位置编码、相对位置编码）？它们各自有什么优缺点？- Self-Attention和传统的RNN/CNN在处理序列数据时各有什么优势和劣势？在什么场景下你会优先选...

1.自我介绍、拷打项目2.哨兵挂了怎么办?3.线程池的种类、创建线程池的方法、参数、工作原理?4.InnoDB的聚簇索引?5.mysql事务?6.InnoDB怎么支持ACID的?7.分布式事务?产生的根本原因?8.手撕:多线程已经被告知挂了，攒人品投下家