感觉还挺难的，还得多练...1. Qwen2.5-vl pretrain 阶段用了哪些数据？分别大概用多少数据量？2. 对齐任务一般放在哪个阶段进行？你在 training 的时候long cot 能力下降了多少，有评估吗？3. 小米的 work 看了吗？4. chartQA 的方向有了解吗？ 你觉得有哪些优化方向？5. MLLM 不做对齐会有什么结果？你有考虑你的场景下做增量预训练吗？6. AI 生成检测你的方法对新出现的生成器来讲，效果如何？有评测过吗？7. 可解释性生成你是如何做的评估？给我讲一讲这几个指标以及为什么起作用。8. sim 评估用什么做的？如果你用 LLM 训一个专门用来评估，和你用 sim 的评估方法有什么区别？用多少数据量来训这个？可以当奖励模型吗？9. MLLM 做 rl 会有提升吗？假如你对 grounding 任务做 rl，需要注意什么

1. 自我介绍面试官好，我是[姓名]，[学校][专业][年级]。我的技术方向是客户端开发，有iOS和后端开发的实习经验。技术栈方面，客户端熟悉Objective-C、Swift，了解UIKit、多线程（GCD、NSOperation）、网络编程等；后端熟悉Java、Spring Boot、MySQL、Redis等技术。实习经历上，我在[公司]做过客户端开发实习，负责[具体模块]，主要解决了[技术难点]；也在[公司]做过后端实习，参与了[项目]的开发，积累了全栈视角。我对旅游行业很感兴趣，去哪儿的产品我也经常使用，希望能将技术应用到实际业务中，提升用户的出行体验。2. 详细说说你的客户端实习经历...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 推荐系统基础链路是什么？你对哪一部分理解更为深入？2. 若让你在召回侧搭建数据看板，会如何设计？重点关注哪些指标？3. 简述冷启动的定义（本人仅答出大致概念，面试官仍持续追问）4. 追问：用户冷启动与视频冷启动的核心区别？5. 用户冷启动的常见问题及解决方案（此部分本人未完整作答）机器学习基础考点1. 梯度下降的定义2. 批量梯度下降与随机梯度下降的区别3. 常见的损失函数有哪些4. 模型评估指标、AUC的具体含义5. 数据不均衡问题的处理方法6. 是否了解大模型？（当前搜推领域大量应用生成式技术，为必考点）7. RankMixer原理介绍（字节面试高频必考知识点）代码手撕1. 分割等和子集2. 拓展提问：若数据中允许存在负数，代码应如何修改？

1. HashMap的底层实现原理，扩容机制是怎样的？底层结构：HashMap在JDK 1.8中采用数组+链表+红黑树的结构。初始容量是16，负载因子默认0.75。当链表长度超过8且数组长度大于等于64时，链表会转换为红黑树；当红黑树节点少于6个时会退化回链表。put操作流程：首先对key进行hash运算，通过hash值和数组长度减1做与运算定位到数组下标。如果该位置为空就直接插入；如果不为空，先判断key是否相同，相同就覆盖value；如果是树节点就按红黑树方式插入；如果是链表就遍历链表，找到相同key就覆盖，没找到就插入到链表尾部。插入后判断链表长度是否需要树化，最后判断是否需要扩容。扩容...