字节LLM算法二面-实习面经

一、面试题简述你在做模型训练的时候，一般重点关注哪些指标？如果不同指标之间出现冲突，比如 loss 在下降但某些行为指标恶化，你如何判断当前训练是健康的，还是已经出现了问题？二、面试官想听的这道题本质不是问你看什么指标，而是在看三件事：1、你是否把训练理解为一个动态演化系统，而不是单点优化问题2、你是否区分优化目标指标和风险预警指标3、当指标冲突时，你是否具备判断优先级与干预逻辑真正高分的回答一定是分层、分阶段、有诊断路径、有干预决策逻辑三、面试回答举例在我看来，模型训练不是一个最小化 loss的过程，而是一个受控的动态系统优化过程。所以我不会只盯单一指标，而是把训练指标分为目标指标、稳定性指...

整体面试还是不错的，发下面经给大家参考～1.实习介绍2.在微调大模型时使用过哪些框架3.CLIP模型的zero-shot能力是如何实现的？4.Transformer中Pre-Norm和Post-Norm的设计差异是什么？对模型训练稳定性和性能有何影响？5.在生成式大模型（如LLaMA、GPT）中，为何通常采用Decoder-only架构而非Encoder-Decoder结构？6.请描述大模型中自然语言理解模块的具体实现方案，包括语义解析和意图识别的关键技术。7.针对Transformer模型推理过程，会采用哪些优化手段8.请阐述检索增强生成（RAG）的核心原理，并说明如何通过RAG缓解大模型的幻觉问题。9.vLLM框架的核心优化原理是什么？其在动态批处理和显存管理上有哪些创新设计？10请对比RLHF、PPO、DPO算法的技术差异、优缺点及适用场景

从最近的招聘情况来看，岗位释放节奏并没有明显提前或后移，3–4 月仍然是企业集中放量的时间窗口。无论是校招补录，还是社招的技术岗、研发岗，HC 都更倾向在这一阶段确认。对求职者来说，这段时间机会最多，但竞争也最集中。准备是否充分，往往直接决定结果，而不是市场本身“行不行”。所以与其纠结行情好坏，不如把简历、项目和技术状态调整到位。窗口期不等人，金三银四，依然值得全力以赴。

面试官人淡淡的，年纪看起来不小（影石是不是很养老）自我介绍拷打实习产出，但是他没深挖mysql常规八股厂内用的什么数据库，什么版本索引什么时候失效什么样的字段不适合加索引消息队列常规八股消息积压怎么办如何避免消息重复消费docker常用指令，怎么看容器的信息，容器的几种网络模式了解k8s吗golang的map是否是线程安全的聊聊rag、openclaw、skills以及自己如何实践skills手撕：二叉树层序遍历，按照二维数组的方式输出反问，问了下业务，礼貌收场剩下的记不清了，时间过的有点久个人觉得是kpi了，总共就免了二十多分钟，纯纯敷衍面