迈瑞医疗 图像算法工程师 面经

软开一面 9.10下午自我介绍1，挑一个自己做的比较多的项目阐述一下2，项目问题问了五六个，刨根问题，基本往底层的方向问，问你了解多少3，这个项目代码量有多少------这里我自己估少了，我后面算了算实际有用的+增效代码应该有个几千，阅读的代码量更多，当时紧张了就说几百。3，给你一道编程题，题很简单，感觉就是看你的编程习惯4，反问时间：问了问工作强度，能接受

自我感觉简历比较对口，但是面试整体十五分钟就结束了，感觉不是很合适。问题参考：1.介绍一个项目，里面做了什么2.项目的难点3.目前有投递什么公司嘛，进度怎么样4.项目的指标是如何测试的5.项目输入输出是什么(感觉偏向 HR 面，没细问技术)补充时间线：9.3     投递9.3     测评9.13   一面

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。

1.自我介绍2.是保研的嘛3.你这个方案在行内的水平和创新点4.方案跟别人方案的区别5.为什么你两个项目差别这么大，当时是如何考虑的6.运用在民用和军工上有什么区别7.你觉得ASIC相比有哪些优势8.有考虑过武汉嘛，工作城市是如何考虑的9.反问非压力面，感觉舒适。