1.了解deepseek - R1吗，介绍一下2.大模型灾难性遗忘是什么？怎么解决的？3.gbdt怎么实现并行化的？4.deepspeed三个阶段。5. 多路检索如何实现？如何合并多路检索的结果，对它们做排序？6.什么是旋转位置编码，解决了什么问题，为什么7.训练一个7b模型要占用多少显存，不同zero阶段能节省多少显存8. Embedding 与生成模型协同工作是怎么做的？9.讲DPO、PPO、RLHF。10.为什么在参数高效微调中使用低秩矩阵分解？11.数组中目标出现的开始和结束位置，二分秒了。📳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。

面试氛围挺好，面试官水平很好，很有深度 问题:1. 对于特征交叉结构，其实存在相似的模式，如何理解交叉模块的串行和并行结构2. 继续改进有哪些方向3. 了不了解一些比较新的交叉结构4. 如何理解特征共线性，通过什么影响效果5.知识迁移哪些方式，kl散度的理解6. mmoe梯度冲突的解决方法手撕:1. 相同数字的范围2. 下一个排列

社招拿到了两个offer 求各位大佬帮看看选哪个第一个是 高德到店，base杭州，涨幅26%➕5w签字费分两年给第二个是 滴滴国际化外卖，base成都，涨幅18%希望大佬给点建议

无手撕，30min很快的过了一下实习项目，开始八股拷打1. 分桶的作用，离散化特征的好处2. sigmoid 做激活函数的情况下，用交叉熵为什么比 mse 好3. 注意力机制里为什么要用到 qkv 矩阵，从 qkv 各自的作用说了一下，但面试官说他想听到的是其实是用三个矩阵做线性变化，投到不同的子空间，增强表达4.注意力的复杂度，有没有办法优化？说了下 lora，面试官说窗口注意力5.transformer 的并行性6.做过模型量化吗，讲一下你的理解无反问，面试官说具体业务细节可以问二面面试官，结果今天查系统已挂