滴滴算法岗面经
因果模型：
1. 给你两条数据，怎么评判哪条好哪条坏？
2. 后门原则是啥？
3. DragonNet 是怎么保证输出的单调性和一致性的？
4. DragonNet 的损失函数都由哪几部分组成？里面的正则化项是啥意思，有啥用？
多模态大模型：
5. Transformer 里为啥要除以根号 d？
6. Qwen2-VL 的微调，详细讲讲？
7. 多模态里，图像处理用了最大池化，那反向传播的时候要怎么处理？
8. Dropout 在训练时丢掉的那些神经元，推理的时候会用上吗？
9. CLIP 的 batch size 是多少？
10. 大模型里的 temperature 参数能控制复读、增强多样性，背后的原理是啥？
手撕题是二叉树和排序。
投递阿里巴巴集团等公司10个岗位
查看8道真题和解析