京东算法岗一面面经

先是自我介绍，聊了聊项目和之前的实习。八股：1. 大模型预测 token 的损失是怎么算的？有哪几种常见的损失函数？2. 讲讲大模型的思维链技术？3. 聊聊 Transformer？它有啥优势？位置编码是咋做的，有啥改进？ROPE 是啥？Transformer 是怎么把文本转成 token 的？4. Lora 微调八股：矩阵 A, B 怎么初始化？为啥 B 要初始化成 0，A 不行吗？啥是矩阵的秩？5. Bert 和 GPT 有啥区别？大模型时代，小模型还有用吗？6. MHA 是啥？有啥改进？讲讲 DeepSeek 的 MLA？7. MOE 一般加在哪？从训练和推理的角度看，MOE 有啥好处？...

1️⃣一面 1．自我介绍，问实习和论文2．了解哪些多模态大模型，简要介绍一下吧，了解最新的一些多模态大模型都是怎么做的吗3．在 BLIP -2或者 Qwen - VL 中， Learnable Query 的作用是什么4．了解多模态 RAG 吗5．大模型的后训练是怎么做的，在 VLM 上做后训练有什么区别6．知道 SAM 吗？说说 SAM 是怎么做的7．概率题：一根绳子剪成三段，这三段可以围成三角形的概率是多少8．代码：一个推荐链路的排序2️⃣二面1．自我介绍，问实习和论文2．讲一下 LoRA ，两个权重矩阵一般怎么初始化，能都全0吗3．除了 LoRA ，还了解哪些可以进行训练推理优化的技术4．现在的多模态大模型，动态分辨率一般都是怎么做的，位置编码怎么设计5．概率题，一副扑克牌，去掉大小王，随机抽两张，花色相同的概率6.场景题：目前有一个带货的直播间，设计一个方案，商品比较多怎么降低时延7.开放题：平常在训练或者微调 LLM 或者 VLM 的时候，有什么心得吗📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

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...

目前胜率100%影石1.2.hr已意向某中场1.2.hr已意向百度 1 2 3泡池子字节1 2 3 hr 泡池子 已泡死 换部门终面快手1 2 3 hr 泡池子滴滴转正成功B站1 2腾讯1 2腾讯音乐1美团1得物1别让我泡了，赶紧泡出来一个吧。