快手搜广推算法二面分享

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.介绍实习项目中主要负责的工作和具体任务2.介绍实习项目中 GRPO 的设计思路，包括工具调用能力的设计考量3.简单讲解 yarn 的设计思路4.讲解原始 RoPE 的原理5.讲解 GRPO 的实现方式6.讲解 PPO 和 DPO 的相关原理7.讲解 Transformer 的 Encoder 和 Decoder 相关内容，包括 Encoder 的模块组成8.定义 rag 中召回率的计算和评判标准9.讲解 MHA 中 Q 的定义， Attention 计算过程10.说明 MHA 采用多头设计的原因11.对比 Encoder 和 Decoder 的主要区别12.讲解 MQA 和 GQA 的相关原理23．说明大模型中归一化操作的应用维度13.手撕1：最长括号序列

1、自我介绍2、介绍实习3、问为什么研究生方向是LLM，选择做开发，以及到岗时间4、详细介绍其中一段实习，完整的业务流程、业务背景、系统设计5、具体围绕的我实习展开大概40mins （一致性、并发、分库分表）6、hashMap相关问题 （一个线程写，其他多个线程读出现什么问题）7、redis实现分布式锁 （自己实现redis分布式锁考虑什么）8、redis的技术选型问题，给你一个新的业务场景，多大并发要引入redis，为什么引入redis9、tcp的三次握手，如果每次第二次服务端发完syn+ack 客户端都不回复，且客户端多次尝试，会出现什么问题10、XSS问题11、https代理人劫持12、...

给我面没招了，感觉自己好菜、面试很难，还是要多多练习1. 推荐场景多是ID类特征，如何结合大模型做2. 介绍下mmoe3. 模型优化中一共几个expert，3个expert，每个任务加expert，expert之间有交互吗，是否做过消融实验4. 选择特征是在bottom部分还是在expert的部分，每个任务的bottom部分相同吗5. 模型的样本量多少？6. 原始样本数据的正负样本比例，处理后的呢？7. 正负样本比例差别大的话如何处理，纠偏怎么做？8. 模型训练是单机训练吗9. 模型新增预估目标，模型的预估是什么？10. AUC的含义，计算方法，分子分母11. 介绍一下Adam优化器，一阶和二阶是如何设计的12. 手撕逆序对，用归并排序

📍面试公司：蔚来🕐面试时间：2026.03.13💻面试岗位：大模型后训练❓面试问题：自我介绍实习时长，出勤频次薪资待遇🙌面试感想：BP老师很和蔼岗位不太match拒掉了offer