26届秋招｜字节大模型算法岗面经

1、介绍自己的中厂实习2、一面的部分实习问题这里也问了。3、有没有试过外挂数据库来解决线上业务数据分布更新较快的问题，4、模型选型问题，为什么选qwen3-8b，如何估算模型开销。5、最多做过几卡的模型训练?对deepspeed和Megatron有多少了解?6、接触过哪些推理加速的方法。(vllm的page-attention, kv cache, prefix cachemla，flash-attention直接安排一套)7、一个他们组里面的一个具体场景题。8、手撕k个一组反转链表，并要求最后不足k个的也反转。

最近秋招拿到offer的同学在问我一些offer抉择的问题，关于算法岗怎么选方向，尤其是业务岗和研究岗的区别。今天从几个维度聊聊这个问题。你的目标是落地还是探索？业务算法岗的核心价值在于解决问题，用成熟稳定的技术提升业务指标。日常工作围绕数据处理、特征工程和模型调优展开，最后通过A/B测试验证效果。岗位稳定、成果可量化是明显优势，但技术可能不够前沿，容易产生重复感。研究算法岗更像边界探索者，集中AI Lab这类部门。这里博士比例高，核心任务是做出比现有方案更优的算法创新，目标发表顶会论文。你能接触最前沿的技术，学术积累扎实，但成果不确定性高，压力也更大。你数全链路还是深钻型？业务岗需要全链路能力——懂业务逻辑、会特征工程、能上线部署，最终把技术转化为可量化的业务增长。研究岗则强调算法深度，要求扎实的数学功底和创新能力，更看重在细分领域的学术突破。如何选择？喜欢看到技术快速落地、享受清晰的业务反馈、工程能力强的同学，业务算法岗是更稳妥的选择。如果理论基础扎实、热衷前沿探索、能承受较高不确定性，研究算法岗的挑战和上限都更高，但要做好成果周期长的准备。不过研究岗可能有时候也需要做一点业务上的工作，这要根据部门实际情况来看。没有绝对的好坏，关键是匹配你当下的状态。业务岗是脚踏实地，研究岗是仰望星空，两者都在创造价值。选择前想清楚自己更看重什么，比盲目追求热门更重要。想了解更专业更具体的算法岗不同方向不同岗的要求，发展，前途等具体信息可以滴滴我本人拥有7年大厂算法岗经验，作为技术面面试官(含社招和校招)，看过上千份简历，已面试超过上百位同学，面试和被面试经验十足，同时在ECCV/IJCAI/NeurIPS等顶会上发表过多篇论文和ACM获奖竞赛经历。职业规划 业务算法 #研究算法

1.八股：Transformer的计算复杂度分析，写伪代码2.八股：多头和单头的情况下有什么区别3.八股：DeepSeek R1的创新点和优化点？4.项目：介绍实习经历，并选一篇论文进行讲解。5.项目：提示工程的主要方法有哪些？有哪些优化技巧？6.项目：LLM怎么微调的，数据量多大，各数据配比多少7.项目：SFT和强化学习各自有什么优缺点，分别适用于什么场景？8.项目：大模型生成内容的评测方式有哪些，具体怎么操作？9.项目：大模型输出前后不一致怎么办，如何确保大模型输出内容的一致性？10.代码题：手撕sqrt(x)，保留6位小数

这个公司有五险一金，员工宿舍还是双人间，但偶然刷到有说加班不给加班费的情况，现在问了HR关于加班有没有补贴的问题昨天晚上问的，今天一直没回，之后我发现昨天发了份录取通知书，给deepseek看完内容后面几张是他的分析和建议，我按照好心陌生人的建议和HR的建议回了一份邮件过去希望她重发一份并写明具体岗位和薪资待遇，中午一点多发的现在还没回我。有人能看看是我过去理想化了吗，是不是deepseek的理论和实际有出入。