1.实习介绍2.论文工作介绍3.为什么构建这个benchmark4.构建数据集的时候遇到哪些问题，怎么解决5.选择这个微调模型的原因6.mplug的框架7.视觉编码器用的什么8.线性投影层具体情况9.qwen2的结构10.transformer的计算11.了不了解其他的transformer或者attention12.用了多少卡13.怎么做的分布式训练14.zero3不适合训练使用的原因15.介绍论文的多阶段CoT微调16.lora的原理17.lora的初始化18.矩阵B 为什么用0初始化19.手撕：一个字符串中出现次数最多的字符以及次数20.反问的时候还问了强化学习的原理

1. 实习介绍+介绍论文2. attention的计算时间复杂度3. 推荐系统或者NLP领域 有什么方法可以加速attention计算4. 你了解哪些生成式推荐的论文5. 为什么要在推荐系统引入RQ-VAE6. RQ-VAE和VQ-VQE有什么不同7. RQ-VAE怎么解决坍塌问题8. Normalization有哪些，有什么作用9. 什么时候用batch norm什么时候用layer norm，为什么10. 训练和推理的时候的BN均值和方差都是怎么得到的11. 代码题：Ic331验证二叉树的前序序列化

字节风控大模型，（n+3）*15+签字费小红书多模态大模型，n*16+期权签字费总包：第一年因为签字费、字节比小红书多一点，第二年因为期权、可能小红书比字节多一点岗位：对多模态大模型技术更加看重平台：应该从认可度和流动率来说字节好一点求offer帮选！也想了解如果是技术包含多模态大模型的风控业务，后期跳槽会不会因为风控业务背景受限。求评论！

快手AI agent开发实习生一二面面筋技术栈：Python＋go（有两段后端实习）实习做的项目相关：- 为什么引入父子索引，为什么引入BM25，比例是怎样的，具体流程是什么，有没有rerank- rerank后返回几个块，有没有做一些验证- rerank后的topk截断是怎么做的，为什么是这个值，有没有其他方案- 讲一下上下文工程，记忆是怎么做的- 问实习做的后端项目的问题- 分布式令牌桶限流讲一下，漏桶讲一下，滑动窗口算法限流讲一下，如果用滑动窗口结构体会包含什么字段，滑动窗口和令牌桶相比有什么确定，用redis的什么数据结构实现- 问自己做的项目，lru讲一下- 布隆过滤器讲一下- 索引失效的情况（MySQL八股有点忘了，只讲出来两个，被追问了）- like会不会失效- MySQL事物隔离一致性讲一下- mvcc细说，详细追问，问你这种情况会创造几个readview- MySQL锁讲一下手撕：我说我最近实习，很久没刷过题了，出了一道反转链表二面：全是agent，rag相关的，项目相关的，不涉及后端细问rag项目- 如何评测的，有哪些纬度，那些指标- 数据集包括什么- 如果让你对相关度，回答的效果做一些优化，你有什么思路，有没有什么更体系化的思路建设- 如果设计一个数据处理的场景，你会怎么做，比方说有一千条数据，需要求和，你怎么做处理- rag性能如何提升- 你的上下文怎么处理的，有什么优化思路- 长短记忆之间怎么做协同呢- 你有什么思路去对你的agent做优化，让他更智能呢（我感觉这个问题太泛了 不知道具体在问什么，我回答主要针对工程遇到的问题做优化）手撕： 全排列（a了）反问：可能有三面 or hr面业务是做一些内部agent工具和平台技术栈（Python＋内部框架）许愿后续