攒人品：小米 大模型算法面经

1.八股：XGBoost 如何计算特征重要性？Gini 系数在树模型中代表什么？它和信息增益的区别在哪？2.八股：Decoder-only 模型在推理时，预测第 i+1 个 token 时，输入用的是第 i 个 token 的 one-hot 还是概率分布？为什么？3.八股：KV Cache 的空间复杂度是多少？如何估算一个 7B 模型在 batch=1、seq_len=2048 下的显存占用？4.八股：AdamW 和 Adam 的核心区别是什么？Adam 相比 SGD 引入了哪些优化机制？Adam 全称是什么？5.项目：你们验证集的类别分布是否和线上一致？如何保证标注数据的高质量（比如通过交叉校验 or 专家审核）？6.项目：在当前 RAG 架构下，如果引入 Few-shot Prompting，为什么能提升输出质量？和微调相比各自适用场景是什么？7.项目：FAISS 是如何加速向量检索的？你用的是 IVF 还是 HNSW？索引构建时 nlist/nprobe 怎么调？8.手撕：最长回文子串（LeetCode 5）

momenta自动驾驶C++日常实习一面面经流程时间线：3.25HR联系约一面3.25晚7点一面3.26早上通知一面通过约二面3.26下午5点二面3.27早上HR沟通入职时间，已OC。一面流程：无手撕50min1.自我介绍2.面试官介绍部门职责(不涉及算法开发，是否能接受)3.简历浅挖（面试官大概率不是规控方向的，对项目可能了解不多,后续了解到是电气背景的）(1)hybird启发项如何设计(2)介绍latticeplanner流程(3)项目中涉及哪些传感器，如何获取heading angle。4.一系列C++,Linux,ROS八股（只列出部分还记得的）1.听说过rvo嘛2.知道raii嘛，原...

最近秋招拿到offer的同学在问我一些offer抉择的问题，关于算法岗怎么选方向，尤其是业务岗和研究岗的区别。今天从几个维度聊聊这个问题。你的目标是落地还是探索？业务算法岗的核心价值在于解决问题，用成熟稳定的技术提升业务指标。日常工作围绕数据处理、特征工程和模型调优展开，最后通过A/B测试验证效果。岗位稳定、成果可量化是明显优势，但技术可能不够前沿，容易产生重复感。研究算法岗更像边界探索者，集中AI Lab这类部门。这里博士比例高，核心任务是做出比现有方案更优的算法创新，目标发表顶会论文。你能接触最前沿的技术，学术积累扎实，但成果不确定性高，压力也更大。你数全链路还是深钻型？业务岗需要全链路能力——懂业务逻辑、会特征工程、能上线部署，最终把技术转化为可量化的业务增长。研究岗则强调算法深度，要求扎实的数学功底和创新能力，更看重在细分领域的学术突破。如何选择？喜欢看到技术快速落地、享受清晰的业务反馈、工程能力强的同学，业务算法岗是更稳妥的选择。如果理论基础扎实、热衷前沿探索、能承受较高不确定性，研究算法岗的挑战和上限都更高，但要做好成果周期长的准备。不过研究岗可能有时候也需要做一点业务上的工作，这要根据部门实际情况来看。没有绝对的好坏，关键是匹配你当下的状态。业务岗是脚踏实地，研究岗是仰望星空，两者都在创造价值。选择前想清楚自己更看重什么，比盲目追求热门更重要。想了解更专业更具体的算法岗不同方向不同岗的要求，发展，前途等具体信息可以滴滴我本人拥有7年大厂算法岗经验，作为技术面面试官(含社招和校招)，看过上千份简历，已面试超过上百位同学，面试和被面试经验十足，同时在ECCV/IJCAI/NeurIPS等顶会上发表过多篇论文和ACM获奖竞赛经历。职业规划 业务算法 #研究算法

日常帮大家看简历，今天分享一个很值得讨论的问题，参加acm对进大厂有没有用，直接说结论：有点用但用处不大！为什么呢？大家可看看下面这份简历，acm区域赛金，很不错的简历了。但是你看看项目写得一塌糊涂，没有啥含金量。如果你是面试官，我这个岗位确缺人，我需要的是来了之后能干活的，而不是没有项目经验，只会刷题的。acm能证明代码能力强，但是不代表你对于业务和项目理解能力强，所以对于就业导向的同学不要犹豫，抓紧做项目充实简历，投大厂实习！如果一份985土木带大厂实习和这一份简历同时进面试，我们优先要985，学习能力强并且有实习我们愿意相信来了之后上手快