24校招入职｜美团真的只有开水？

这次面试主打聊天 技术方面没有问太多内容面试官比较和蔼0. 死锁怎么形成的1. 讲讲数据库隔离级别2. 为什么大厂喜欢用RC3. 平时怎么学新技术4. AI是怎么用的 为啥AI生成代码漏洞百出？5. 讲讲缓存穿透6. 实习真实性问题 例如如何配合 公司干嘛的7.1 SQL题 一张成绩表 找出以name分组的总分7.2 假设每天有一亿订单 你怎么办？8. 手撕题：最长不重复子串9. 邪门题：12345怎么转为一万两千三百四十五 用伪代码即可 注意边界条件（我用的stringbuilder和map做的 友友们知道还能这么做吗？）10. 反问：如果通过了后续就没有技术面 部门是小象超市 面试官认为我讲的还算清楚 具体评价不能告诉我😸希望能通过！后续：9.12回人才库😿

投华为后端开发岗，初筛过了没笔试，同岗等多久才笔试啊？

面试是24年7月的现在已经入职几个月了，补一下面经，帮有需要的同学参考。BG：本硕985 计算机论文1A1B一面：技术面自我介绍 & 简历相关。简单介绍了自己在多模态和大模型方向的研究/工作经历，包括在校期间的论文工作以及实习经历。面试官主要针对简历上的项目提了一些细节问题，比如具体模型的量级，提升了多少，和哪些方法做了比较等。因为是自己的工作，所以没有卡壳。问有没有遇到过 Python 文件之间互相 import 的问题，出现这种问题怎么办？让我简单介绍了一下 PPO 算法，以及和 TRPO 的区别是什么？接着 PPO，问了一下 ChatGPT 的 RLHF 流程，以及为什么不直接用 SFT，而是要用强化这么麻烦的方式训练模型？继续追问 RLHF、SFT、LoRA 的区别，分别适用于什么场景？反问：公司现有业务是什么，计算资源情况等。二面：主管面论文介绍。让我用通俗的语言介绍我自己发表和投稿的论文，重点是研究动机和要解决的问题。问有没有亲手训练过大模型，最多用了多少张 GPU 卡？并行训练使用的框架是什么？介绍一下 DeepSpeed，说一下这个框架在并行的不同阶段（ZeRO stage）分别做了哪些事？训练模型的时候，数据量有多少，怎么收集数据的，训练花了多少时间？遇到的最大问题是什么？问在大模型全量微调时，显存消耗分别由哪些部分占用？（参数、梯度、优化器状态、激活信息等），分别占用多少？假设模型参数量为N，请分不同情况讨论和计算一下微调所需要的显存（不同精度、batch size、seq len 等）。说一下 LoRA 公式，讲一讲其中 A 和 B 两个矩阵分别表示什么。LoRA 的优缺点是什么，什么场景下适合使用？问知道哪些大模型训练和推理框架，用过哪些？问 LLaVA 的结构是什么，和常规的纯文本大模型有什么区别？Encoder-Decoder 结构的模型转 ONNX 的一般流程，遇到不支持的算子怎么办？可能遇到的问题（动态 shape、模型中逻辑判断需要单独写、模块拆分等）。三面：HR 面主要问了为什么选择公司，对团队的看法，对岗位的认识；未来大致的规划，面试过程的体验，有没有别的公司的 offer 等。以及询问了期望薪资等。之后就是等待，最终和期望薪资基本一致。总体感受面试流程比较顺畅，问题也比较贴合岗位要求；如果和岗位匹配度高，一般流程推进速度会很快。入职以后，工作内容和面试被问的问题也差不多，基本上都是算法工程师需要做的内容，团队氛围也很不错。只是毕竟是企业，不可能光搞研究，在承接业务时还是免不了和很多人打交道和来回battle需求，这个无可避免。

一、实习经历转眼间在团子的四个月暑期实习也结束了，也拿到了相应的转正，之前答应牛友们会分享团子实习的体验，今天这篇文章就来喽首先是美团的landing非常舒适，进入组内的新人都会分配资深的导师，还会有一篇帮助你在业务和工作上融入的融入文档，前期会让你先看文档摸索熟悉，后面按导师安排由浅入深的参与一些工作，比如最开始做一些简单的测试捋顺整个业务链路，到后面接手简单需求，再到参与组内高优先级的工作，成长曲线非常平滑；然后必须夸夸我的神仙导师，不仅是我们组实力最强的技术骨干，为人也特别风趣幽默还长相酷似冯绍峰，分配工作的时候基本不会push不给压力、也教会了我许多东西，工作完成的好的时候也不吝赞赏，...