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？...

美团：移动端开发自我介绍项目介绍然后八股1.操作系统中，进程和线程的区别2.线程的共享资源3.场景:多线程在实际开发中怎么同步4什么是系统调用5.快速排序的时间复杂度，是稳定排序吗，不稳定排序有哪些6.链表和数组的区别，有哪些优缺点7.怎么判定链表有环8.哈希表在插入数据的过程中有哪些变化9.怎么解决哈希冲突（细说链地址法和开发地址法）10.红黑树的特点，和avl树有什么区别，插入和查询效率，各自谁更优11.生活问题，不记得了12.老朋友tcp三次握手和挥手，为什么多了一次挥手手撕：二进制转化十进制，写完后再次考察加一个过滤字母

我爱发面筋！全程50多分钟，面试官老哥没开摄像头，但是声音贼温柔按着简历狂问项目，项目按个讲一遍，画框图，问细节，然后问了点uvm八股，反问后结束 反问获得的信息：应届生是先到池子里被不同部门的人挑走，部门是按照IP划分的，然后会有集体培训和小的任务在前期。后面如果推进的话会很快反馈（小哥为了回答我还现场去问同事，这态度真的吹爆 总结下来面试体验挺好，期待推进

1️⃣一面 1．自我介绍，问实习和论文2．了解哪些最新的多模态大模型，简要介绍3．在 BLIP -2或者 Qwen - VL 中， Learnable Query 的作用是什么4．介绍一下Wide&Deep和DCN这两个模型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．了解多模态 RAG 吗8．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9．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．平常训练或者微调 LLM 或者VLM，有什么感受6. 专家划分子空间是区分不同任务但有时候并不能取得理想的效果这是为什么7. 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8. 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📳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。