1.介绍项目2.数据的格式，怎么编辑的，序列最长长度是多少，一些参数，维度3.为什么没有用 AUC，怎么检测模型收敛4.为什么做这个项目，主要工作是什么5.手撕 非 hot100 对角线遍历矩阵

整体面试还是不错的，但是没后续了...1.简历拷打2.对LT建模有了解过吗？3.为什么在你的场景中不用PLE？它有哪些缺点？4.如何解决给用户分发不一致问题？5.你对于广告冷启有什么方法？6.元学习在跨域推荐中的优势？7.代码整数转罗马数字 lc12非递减子序列 lc4917.反问

发一下问题给大家参考，攒攒人品！1.项目深挖2.介绍一下trpo，ppo和grpo3.Model-Free 和 Model-Based 的理解4.GAE迭代公式推导5.叙述happo算法6.介绍一下正/反KL 散度，它们在IS中有什么区别？7.手撕了道leetcode（low）

一面 感觉总体很简单，但不知道是不是面试疲惫了，好多八股都忘了1. MHA、MQA 这些核心思想是什么？2. MLA 又是什么？在哪里降维？为什么需要对剩下的部分做 rope?3. 视觉数据如何设计 memory？4. SFT 和 GRPO 数据有什么区别？（SFT 有思维链、GRPO 只有答案？这题我讲了半天，不知道是我睿智了还是面试官不懂，评论区有无懂哥）5. visual r1 是怎么做的，你如何设计你的 MLLM RL 方案。6. 有遇到过 sft loss 为 0 的情况吗？如何解决？7. loss 正常下降但在测试集表现差，原因是什么？8. GRPO loss 为什么会增？你的理解是什么？9. DAPO 创新点是什么？10. 场景题：如何对用户忠诚度评分？构建优质用户模型

1、有没有用过大型数据的处理工具?2、deepwalk算法后来升级了，你知道么?3、word2vec的算法原理讲一下吧4、双塔transformer，用的是类似 DSSM的系统?5、Transformer的attention机制讲一下公式说一下6、ICBF是啥?7、Faiss数据库能够快速搜索的底层原理是什么?8、你一百万个数据如果取top100，用什么数据结构时间复杂度最小?9、BERT什么结构?跟transformer相比什么区别?10、GPT呢?11、你有没有微调过预训练的模型?预训练鄆輻专燙蓬й品型的原理是什么?12、怎么体现你的工程量?代码量?13、学过数值分析么?14、矩阵分析里面的SVD分解了解多少?15、概率论出了一道题16、BERT里面是如何对关键词进行向量化的?过程是什么呢?17、还知道多少召回模型?手撕1.二分查找2.01背包

怎么让我撕这么多，这能对吗？1.DDP用的几张卡2.LoRA原理3.手撕GRPO4.手撕MHA5.手撕Softmax6.跳跃游戏 IV

1.如何训一个大模型，你们做的产品有用大模型吗？2.lora 是什么？初始化是什么？3.讲一下你们实验室横向，有做过目录解析吗？4.多模态的图表怎么做的理解？5.rag 的优化是什么？chunk 等超参数怎么设置的？有做 rerank 吗？

1.code：二叉树的右视图；反转链表，要求递归写法2.如果我们发现排在第一位的商品点击率很高，但这可能仅仅是因为它排在第一，因为用户习惯性点第一个，而不是因为它真的好。这导致模型训练数据有偏差，你有什么解决的思路3.推导一下你描述的贝叶斯优化的过程4.冷启动知道吧，讲一下你的解决思路，不用讲一些经典的做法，你说说你有什么建模的思路5.在GR任务中，模型生成的Invalid SID元组问题，你有什么解决的思路6.你刚刚提到的联合损失，如果我的encoder语义表示不充分，容易局部最优，怎么处理？7.反问环节

总时长1h左右，整体感觉还不错项目：1.为什么要进行数据蒸馏？2.怎么保证蒸馏效果？3.微调用的什么框架？4.效果有跟其他的模型对比么？效果如何？5.Qwen-max调的什么API6.有做数据的分离么？有没有数据泄露？7.Qwen-8B微调有用精度么？有优化么？8.8B微调显存占用多少？9.模型前向计算占用的显存是多少？八股：1.了解Paged Attention么？为什么他能降显存？2.强化学习是什么？3.讲讲GRPO？4.讲讲KV Cache5.在推理的时候KV Cache为什么需要储存？手撕：二叉树中的最大路径和

1.以项目拷打为主，无八股无手撕2.为什么不考虑端到端方案？各个模块baseline如何？分别是怎么优化的？3.多模态输入图片模糊时如何处理4.项目整体是否有针对延迟的优化5.举一类占比较大的badcase讲解优化方案6.为什么在强化学习前采用冷启动sft7.AIGC绘图是否可以做局部修改，落地时是如何实现的8.科研项目主要做的是什么？如何在业务场景落地？9.详细介绍query改写10.转码为什么要做算法

还是要多多练习.....1.项目拷打为主2.Sft数据怎么构建的3.如何评价模型训练出来的效果4.GRPO的数据怎么构建的5.Reward怎么设计6.训练过程中你会关注哪些指标7.介绍GRPO的公式8.GRPO训练出现熵崩怎么办9.KL散度前的系数有什么含义，应该怎么设置10.训练时loss震荡可能是什么原因造成的11.AIGC绘图项目中，模糊意图怎么处理12.意图识别中，模糊意图、多意图、意图分类怎么做13.你一般是怎么设计提示词的14.分布式训练有没有接触过15.Agent了不了解

总体时长60min左右，对项目挖的比较深;八股、算法题都相对友好1.实习介绍2.项目(论文)介绍3.项目细节:SFT数据的合成细节、SFT/RL的训练细节，奖励函数4.项目细节:你们是怎么把text和image进行对齐的，介绍一下alignment的实现5.项目细节:你们有证明Cold-Start SFT后再5.RL的模型比只RL的模型效果好吗，为什么要做SFT，有什么好处6.项目细节:为什么不用一些经典的强化学习方法，如DPO、PPO7.项目细节:用来训练的数据，有没有覆盖各个领域，还是偏向某个垂直领域8.项目:如果要微调你们这个模型到某些垂直领域，但是要保留多模态的这种通用能力，应该用什么办法来尽量保留模型的能力9.项目:假如有70%的样本表现非常好，但是剩下30%左右的样本表现不好，那么模型下一步詁芙忖朱代的方向应该是怎样的10.然后就问我之前的完全不对口的开发实习经历了(笑)11.八股:解释-下Bert的模型结构和原理12.如果用Bert做一个分类任务，应该怎么做?13.八股:讲一下transformer的多头注意力机制原理

手撕: 共享屏幕并在自己的编译器写 LCR156.序列化与反序列化(以二叉树的层序反序列化完成二叉树的构建)+236.最近公共祖先先项目:0.序列的MHA是怎么做的？1.AUC指标大概在多少，对比SOTA？(狠批项目认为并没有解决任何真实业务问题)2.NCE/infoNCE的计算公式？3.冷启动项目用在什么链路？4.辅助loss可能导致的噪声拟合，如何避免的？八股:1.召回读过啥2.精排学习了哪些，精排里考虑兴趣探索/多样化的方法懂哪些 多目标优化？3.llm4rec读了哪些？llm4rec除NTP外另一大类是？(A:onetrans MTGR为代表的判别式)4.召回各方法/论文理解？5.多目标所读论文理解？

1. 目前多模态大语言模型是如何融合文本与图像信息的？2. 大语言模型的RLHF训练流程是什么？它存在哪些潜在风险？3. 什么是Embedding？词嵌入和句嵌入有何不同？4. 大语言模型中的Tokenization是如何工作的？不同模型的分词算法有何差异？5. 对比大语言模型的增量推理和传统推理方式，增量推理的优势和实现难点是什么？6. 介绍一下大语言模型中的知识蒸馏，它如何用于压缩模型体积？7. 过往项目（细节追问）8. 大语言模型的长文本处理能力有限，目前有哪些技术可以缓解这一问题？9. 什么是大语言模型的“上下文窗口”？扩展上下文窗口对模型性能有何影响？