一、选择题（10道20分）主要是概率论（贝叶斯、高斯分布）、机器学习和深度学习（交叉熵，有个含有softmax的求偏导）的一些知识，其他忘了二、编程题（4道80分）1、取石堆，注意数值范围2、最大正方体，想半天没想出来怎么做3、SVM，忘了相关模型是怎么个导入的了4、数组中的四个值求异或，只能想到最笨的暴力求解感受：应该是没戏了，差的内容太多了，面向ai编程的我如今只能靠多年前学C的一点零星印象做题（bushi第二题想了半天差点用MATLAB做，但是下手的时候突然发现自己不知道怎么输入，笑死，习惯了直接生成输入输出第三题今天下午差点就给我复习到了，哈哈。感觉条件给的很齐全了，损失函数怎么用参数怎么设置都给了，害第四题差点忘了异或的符号是个啥，算出来结果的时候我自己都懵了总结：道阻且长，女娲补天啊

本文按公司归类 AI 方向高频考察问题 + 面试要点。   字节 常考方向:题量大、节奏快;项目深挖 + 八股 + 手撕几乎必考;Agent / AI Coding / 大模型方向最近一年高频。 高频面试题: 项目深挖 / 简历  介绍一下你做过的最有挑战的 AI 项目  思路:选 1 个有 AI 含量(不是套壳)、有指标、有踩坑的项目；按「业务背景→技术方案→关键难点→指标」4 段讲,控制 2-3 分钟。   这个项目的核心难点是什么  思路:抓「非确定性」难点(评估难/数据难/对齐难/部署难),不要泛泛说「工程量大」。   选型为什么是这个方案?对比过哪些  思路:至少列 2 个候选方案 ...

一面（1小时30分钟）：上来先做题1. 手撕AdamW2. 手撕无重复字母的字串（hot100）3. 出了两个题都是对数据库的操作，我以为是让写大模拟，写到一半结果面试官告诉我是用sql写🐱，不会遂罢。4. 面对海量数据的时候怎么对数据进行处理，比如说去除掉敏感词等等，面对海量数据会出现哪些问题，该如何去处理5. 介绍发表的顶会论文6. 介绍Q-learning和DQN二面（2小时30分钟）实习乃至秋招面的最久的一轮面试了，从晚上七点多面到十点，最后人都麻了🥵，面试官估计要下班了结束了面试🐱1. 介绍论文，主包是做强化学习相关的，围绕问了很多强化学习算法（GRPO，PPO，reward model)，介绍马尔可夫决策过程。2. bf16、fp16和fp32，并进行计算。3. lora微调的细节，量化相关知识然后开始漫长的手撕过程🥵4. 手撕ppo5. 算马尔可夫决策过程的γ阈值，我感觉是个无穷级数？6. 算模型sft的参数量大小及显卡利用率7. 是否重合链表（hot100）8. 如何使得一个输入向量x在经过一个或多个全连接层后，其输出向量y所在子空间基底尽可能接近标准正交基三面（面委会面）（30分钟）1. 介绍第一篇顶会论文（共享屏幕）2. 介绍第二篇顶会论文3. 不同强化学习之间的区别4. 和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变hr面（30分钟）常规的hr面问题，主要问来wx的意向。感觉前几面比较侧重技术细节，面委会感觉就比较侧重聊未来技术的发展，个人感觉前几面的压力比较大😼📳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。

快四十分钟~1.实习项目拷打1，前面一个还好。问的挺深的，10min2.实习项目拷打2，这个是我太菜了，没了解全，一个优化接口 15min3.Agent框架的探讨 10min4.反问 5min---面试官人很好，给我项目两个点拷打的要寄了，也是自己没完全了解清楚，用AI写完，测完就结束了