腾讯多模态算法二面-实习凉经

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.大部分问的是开放式的场景题：如果现在要你做音频驱动的数字人重建，你觉得有哪些亟待解决的问题，有哪些可以发论文的点？3.实习拷打4.说一下FLUX实现和WANs的实现有什么区别5.FLUX中文本模态的condition如何注入的？5.说一下LoRA的公式6.LoRA权重初始化的时候有什么特殊？7.可不可以A全0初始化，B随机初始化？最后手撕是Cross Attention

看了大家不少面经，我也发发面经攒人品✉️投递：3.18💬面试：一面 3.23 二面 3.25 三面 4.3 HR面 4.13📝offer：4.21🎙️我的感受：我由于测评不高，面到HR面的时候非常的焦虑，很怕因为测评给我挂了我投的淘天全挂了，可能就是因为测评不行吧总体下来阿里的面试官还是挺尊重的，拷打的很详细bg：双九，一段小厂对口实习面试主要内容狠狠拷打简历，实习内容，问的非常详细，会问到你负责了什么，用了多少张卡，学习率怎么样，训练了多久，用了多少数据，数据是怎么准备的，显存占用怎么样场景题：如果我目前有一个数字人的模型，我想训练成只生成一个人的，可以怎么做你看过什么别的 SOTA 模型的 ref image 注入方式，有什么优劣八股：如何判断模型是否收敛如果训练的时候梯度消失或者爆炸，你怎么解决如何系统判断是否训练完成，特别是在视频生成模型中有哪些常见的蒸馏方法LoRA 微调的原理DiT 的框架流程，如何时间注入，讲一讲 AdaLN讲一下 flow Matching，原理，优势现在为什么大家都用 RMSNorm 而不是 LayerNormAdam 和 AdamW 的原理，有什么改进手撕：1. 二叉树的右视图2. 非 hot 100，滑动窗口3. 扎破所有气球的最少箭数暑期实习还是太折磨了，我面了好多场，一直在泡池子。。。腾讯二面给我泡了13天然后挂，米哈游一面挂，快手简历挂。。。看到身边同学都拿到offer了，那是一个焦虑啊，本来都想转日常了。最后总算是有一个结果了

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流实习+项目拷打1. 解决过拟合的方法有哪些2. 你知道哪些归一化方法3. 介绍一下自注意力的计算方法4. 介绍一下LoRA的原理5. 介绍一下ControlNet的原理

选择题和代码题各50分，占半壁江山。选择题分四个部分20题，每道题2.5分，多选少选得1/3分;算法题三道，10+15+25。单项选择7+2，不定项(可以是单选)9+2，后面的2+2从计算机视觉、nlp、语音算法、搜索引擎和推荐算法、____里面五选一。我选的是计算机视觉，本来以为会考CNN等传统一类的视觉架构，没想到今年直接考多模态和clip这些。算法题按通过用例给分，我是100 22.3 0😵😵😭。按我的感觉分别是模拟，哈希，搜索。第一道聪明人和傻瓜吃美食比较基础，最优实现时间复杂度O(n)。第二道我用C++和Python都尝试了，但是1s和2s的时间还是太短了😰。用了set哈希表复杂度还是在O(mn)，m是平均区间长度，也就是总区间长度。第三道abc一个数组两个排列求最大权重和的问题，预留时间不够没来及实现。但我也没什么好思路，计划使用暴力搜索(复杂度O(mn))，可能实际实现之后也会超时。