米哈游 大模型算法 实习二面 55min

拿到华为offer简直开心到飞起！不过先别急着嗨，最后一关体检可是个硬茬子。每年都有不少人栽在这上头，多可惜啊！咱们得提前把体检那些事儿摸清楚才行。无数怀揣梦想的年轻人即将踏上华为的征程。当你手握offer欣喜若狂时，是否注意到入职前最后一道关卡——体检？这道看似普通的健康检查，却让不少优秀人才折戟沉沙。最近有不少网友咨询华为入职体检，查出来色弱，还能有补救的方法吗？有广东的网友直接反映，做华为入职体检，因为色弱问题，直接被拒录用、被刷了，求职者感觉很委屈，说自己过完年，从千里之外的省，来到华为面试、体检。结果因为色弱，体检过不了，心里很不甘心。色弱是指对某些颜色的辨别能力下降，常常在体检中成...

给我面没招了，发点面经攒攒人品～1* 项目拷打2* 项目的数据来源是什么？你是如何确定优化目标的？3* 比如数据从 100 条扩充到 1.2 万条，是否全通过自动化生成？生成的样本具体是什么样的？举个例子说明一下生成前后的对比4* 怎么保证自动化生成数据的正确性呢5* 在通过调整参数直到模型回答正确为止的过程中，是否意味着生成的CoT中存在错误逻辑？6* 经过数据清洗后，最终用于SFT的有效数据量是多少？7* 在做微调时，除了 LoRA 是否对比过其他的微调算法8* 你是如何评价微调效果的？测试集的比例是多少？微调前后的准确率分别是多少？原有的模型性能保留了多少？9* LLM常用的结构是什么？10* 说一下Transformer 的整体结构11* 目前主流大模型最常用的位置编码是什么？。12* 写一下多头注意力机制的数学公式。13* 公式中为什么要除以 \sqrt{d_k}？其对梯度消失或梯度爆炸有什么影响？14* 在 Transformer 的 Encoder 和 Decoder 中，哪些部分是可以并行计算的，哪些不可以？15* 除了 LoRA，你还了解哪些微调方法？16* 大模型训练通常使用什么损失函数17* 在机器学习基础中，二分类问题、多分类问题以及回归问题分别使用什么损失函数？18* 你了解哪些优化算法19* 模型训练中出现过拟合的常用解决方案有哪些？

1. 请做一个简洁的自我介绍2. 你在“高性能分布式日志接入与检索网关”项目里主要做了什么我主要负责三块内容：日志接入链路优化负责接收多来源日志上报；做协议解析、批量写入和异步转发。对象池与内存复用模块针对日志消息对象、缓冲区对象做池化管理；降低频繁分配释放带来的锁竞争与碎片问题。共享内存检索加速热点索引和统计信息通过共享内存供多个进程访问；减少重复反序列化和 IPC 拷贝开销。这个项目的核心目标是： 在高并发日志写入下保持低延迟； 在热点查询下保证检索稳定性和资源可控。3. 讲一下这个“高性能分布式日志接入与检索网关”的整体框架整体可以拆成 5 层：接入层负责 TCP 长连接管理；接收日志上...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈