中金所数据公司笔试

加班、福利、晋升、坑不坑，有了解的佬麻烦说下，感谢

boss上联系的，简历马上就过了约了第二天的面试，2026/2/28下午的第三个面试，对面说是负责感知这块的一面  25min：1. 简单自我介绍2. 了解了一下在校情况3. 问了一下研究实习生期间的项目，只让介绍了一小块，很快就结束了4. coding: nms算法实现，写了n遍了直接秒了，然后让介绍一下思路5. 反问由于没有吟唱项目和问八股，半小时不到就结束了，不知道是不是kpi，看有无后续了update：纯kpi，无痛秒挂，一面也基本啥都没问，闹麻

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

有面试过同岗的朋友欢迎评论区交流1.推荐的基础链路是什么？你对哪部分了解的多？2.如果让你在召回侧搭看板，你会怎么搭？关注哪些指标？3.介绍下什么是冷启动？4.用户冷启动和视频冷启动有什么区别？5.用户冷启动常见问题和解决方法？机器学习基础1.什么是梯度下降？2批量梯度下降 和 随机梯度下降的区别？3常见损失函数？4模型评估指标？AUC 含义？5.数据不均衡怎么办？6.了解大模型吗？7.了解rankemixer吗？介绍下代码1.分割等和子集2.如果允许负数，代码该如何修改