1、介绍自己的中厂实习，从业务背景，闲难，解决方法，自己的产出四个维度阐述2、ppo和dpo区别和原理(因为实习做的就是r相关)3、是不是用的Verl框架做的rl?详细讲一下verl框架的训练流程。并讲一下配置文件中rollout batchsize, global batch_sizemicro_batch_size_per_device_for_update，rollout.n等等参数的关系，以及他们如何影响最终更新时每张显卡上的样本数。4、reward function如何设计的为什么这么设计?5、critic model作用是什么?为什么有了reward model还需要critic model?6、有没有了解最近的r方法?过了一遍grpo，dapo，gspo过了的主要改进点7、grpo算法中kl散度和之前的方法有什么区别?在dapo中为何舍弃了kl散度?8、模型蒸馏主要的两种方式。硬标签和软标签。9、介绍一下kmeans算法，如何设置合适的k值。如果在一个非常大的数据量中，如何实时增量更新，并动态管理k值。10、计算机基础八股: B树和B-树的区别。如果CPU突然被打满了，如何排查?什么情况下会出现死锁，如何解决。11、核心代码模式，写一下大模型预测token时，beam树如何构建，如何得到最终的结果(pytorch简单实现了一下，主要是还是讲明白)12、手撕hot100，中等题。最小生成树

1.agent的部署流程2.大模型遇到了什么问题3.怎么加强大模型记忆机制4.上下文接口怎么修改5.较长较多的上下文怎么解决6.多模态的用户信息怎么存储和使用7.对多模态大模型有什么了解8.多模态大模型的具体结构9.有没有从0训练大模型的经历10.qwen系列模型的结构和特点11.qwen进行了几代，每一代有什么重要突破12.大模型微调的机制13.lora的具体原理14.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15.lora效果不好怎么办16.lora的缺点，改进方向17.agent和workflow的区别，为什么需要agent18.对agent的预期是什么，觉得当前的agent达到预期了吗19.agent的改进方向是什么20.你认为从大模型端要做什么来适配agent

一面 1、项目介绍2、三段大厂实习经历深入拷打3、问了项目相关的很多八股(各种调优的方法包括AI应用相关的agent，rag方面的知识)4、没有手撕，可能是因为前面拷打了一个小时没有时间了?5、反问二面1、项目深挖2、详细讲一段自己的实习经历，做了什么事情(包括背景，方法论)，最后效果等等，感觉把我的文章在十来分钟内给他讲了一遍3、拷打刚刚讲过的这段实习的细节内容，如为什么这样做，为什么这样调优，为什么删这个，为什么加这个等细节问题，问自闭了4、八股拷打(这一部分很简单，基础八股)5、最大连续子数组(手撕)

听说牛客许愿很灵许愿一个梦中情司大疆的offer求求了，快点发吧

做美团算法岗笔试，机器学习分类题卡了 25 分钟，没写全，感觉要凉

大疆的进度这么慢吗？还是我已经被泡池子了？等人捞捞

面完了拼多多的算法一面，感觉没答好后面反问环节问面试官说我答的还行，也不知道能不能进二面

靠背八股文，没有coding能力？

与其每天焦虑，不如躺平，条条大路通罗马，佛系一点慢慢走过去行吗?实在不行，还有一条方案，和我一起去大厂当保安，少走三十年弯路

投递完马上就发了，有性格测试和专业笔试，题型单选多选判断还有编程大题。但是主包很多不会的所以应该是要挂了嗯

给后续进行面试的牛友们一些忠告，还是要理解自己的实习是在做什么事情，解决了哪些问题，尤其推荐算法岗，理解业务很关键！！

我重生了，一睁眼我回到了3月初，那是个暑期实习开始的阶段我翻出前世记满面试题的备忘录，提前打磨好项目细节果然，每场笔试轻松全A，面试精准预判，甚至都能抢答了后来我的邮箱炸了 —— 腾讯、阿里、字节抢着发 offer，HR 电话响个不停

真是做吐了🤮