无大模型经验被捞起来面试大模型

实习拷打 双tokenk8s超细节拷打声明式，命令式区别没答出来面试官讲了很久etcd节点状态频繁变更缓存击穿节点负载均衡怎么做的大模型怎么用的项目怎么部署的买的资源细节gpu细节抽象反问给面试官弄无语了鼠鼠只是问了其他面试官问过鼠鼠的手撕缺少的数25min结束下次遇到不对口的部门还是直接拒了算了下次反问要好好处理没答好的问题，再也不问抽象问题了，企鹅再给我一次机会

🐧鹅厂优势 ❄办公室条件超好 咱就是说最顶配的Macbookpro+4k显示器，外加滨海超高端办公楼，光听着就已经感觉高大上了，基本已经符合小时候看的小说里面的都市丽人的身份了 ❄同事素质超髙 身边的同事很多都是985、211、双一流高校的或是留学归来的人才，在素质方面确实还是值得一说的！而且职场内耗也很低，大家平时上班工作，下班一起吃吃喝喝玩玩 ❄工作强度比较低 为什么这么说是因为还是有比较的，像和我同届毕业的朋友入职了字节，每天加班，压力很大，都有了压力性脱发了，而我们节奏感觉还是较慢的，没有那种慌张气氛 ❄注重思考 公司的理念还是很喜欢的，做对的事远比加班内卷重要的多！！而且会平等的给...

🍓一面时长约50min，面试官很和蔼，体验感还不错。1．面试官先简单介绍了下团队，然后是自我介绍；2．拷打了一下项目和论文；3．为什么多头注意力能提升表达能力？4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？5.LoRA和 PromptTuning 有何区别，分别适用于什么场景？6．模型微调时遇到过过拟合吗？怎么处理的？7．大模型推理时的加速思路？8.KV Cache 是怎么起作用的？为什么对长上下文推理很关键？算法题手撕：字符串的全排列。二叉树序列化与反序列化。✅面试感受：整体提问节奏比较平稳，面试官很有亲和力，有的地方卡住了还会给提示。🍓二面时长约40min，主要是针对简历进行深挖。1．自我介绍。2．深挖项目，针对项目思路不断追问。3．大模型生成内容如何做去重过滤？4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？5．如果要在中文领域做 Instruction Tuning ，需要注意哪些数据问题？6．反问✅面试感受：二面的氛围和一面截然不同，面试官提问非常犀利，没有太多套路问题，并且对细节很关注。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 关于FLUX fill，它的通道拼接顺序能说一下吗？2. SD 1.5和FLUX的VAE，它俩有什么不一样的地方？FLUX的img_latent通道数是多少，还记得吗？3. Kontext的位置编码，在处理ref和noise_latent的时候，有什么区别对待吗？4. Lora的原理能简单讲讲吗？5. FLUX系列的整体框架是怎样的？里面的MMDIT是怎么处理双流和单流输入的，对于文本和图像这两个不同的模态，它又是怎么融合处理的？6. 在MMDIT里，联合注意力计算完之后，数据会流经哪些层？