1.自我介绍2.说说项目，（我说了一个C++开发游戏的项目）没有打断，我说完后，他说你面试的算法岗，讲一个算法相关的项目，我讲了一个图像超分辨的项目，他问我用了什么模型，什么神经网络，为什么用这个，输入输出，好处是啥，3. 然后开始问技术，transformer是啥，比CNN好在哪，multi-head attention, 与循环网络RNN的区别，都是序列，优缺点是什么，4.代码：第一个是矩阵的旋转第二个是一个数组，找出第K个大的数。

写个面经攒人品，求个意向一面：业务面，简单问简历，几乎没有扩展八股，手撕sigmoid，手撕batch norm，手撕MHA，三个手撕二面：HR，拼多多HR面老几样，问一些工作感受三面：业务面，每个项目掰开揉碎讲，最后手撕逻辑回归，手撕二叉搜索树，中间穿插问各种loss，正则化四面：应该是主管面，但是面试官没有说是不是主管面。问简历，问diffusion发展流程。无手撕 感觉现在手撕更多喜欢撕传统机器学习算法或者偏底层的函数了，大家多查缺补漏。 另外PDD所有面试官，确实是我见过最温和，考察最合理的了，被考住的时候，一般就真的是自己有疏漏，从来没见过故意刁难或者有刁难嫌疑的面试官

持续一个小时，上来先自我介绍，因为我提到最近发表了一篇目标检测的论文，面试官就深入和我讨论了论文的研究内容基本上把我论文的内容问了个遍：研究背景、为什么选择改进这个模块、为什么选择这种改进方法、创新点、模型的具体计算原理、怎么实验的、结果如何等等，一场面试下来像是重新写了一遍论文然后又对其他的项目提问了一下，发现面试官对项目的整体和工作流程并不是很关心，更关心算法本身，例如问了我yolov8的算法原理、语义分割模型的算法原理、指标的计算原理等等，问的很细节很深入（然而我掌握的并不好，所以回答的也是一塌糊涂）最后20分钟手撕NMS（对于没准备过的人来说，难度感觉好大啊）反问：部门主要落地的业务有哪些？电子设备涉及到图像的都会有，还可能有陀螺仪之类的处理算法第二天挂了。总体上感觉小米对技术是真的很重视，面试之前建议提前掌握模型算法的具体原理，要真的理解透！

简历深挖：技术架构，算法实现，等一般是如何让一个text only的LM变成具备多模态能力？如何将文本映射到向量空间中，并在语言模型中应用？LoRA微调多模态模型时具体微调哪些部分？在你的团队当中主要担任的是什么角色？请根据传统文档处理系统的两个阶段，详细描述RAG中各个模块的功能及数据流转过程如何通过设计prompt模板来控制大模型输出，使其结合top3或top10的文本块及相关文档生成最终结果？Tool call机制是怎么样的？讲一下React范式除了React还有没有了解过其他的类似的planning方式呢？P-tuning和Lora分别适用于哪些场景呢？ 商汤的面试体感绝对是面那么多场...