字节实习 多模态大模型算法一面 55m

一面： 介绍第一个项目，打断问一些细节脑机接口是如何做的，如何处理时序数据的Ai coding一般怎么用介绍dpo、ppo、grpo介绍Dify平台介绍Ms-swift平台Flash attention原理手撕：对着屏幕用pytorch实现一个神经网络，平常用ai多了，这里基本上只写出个大概感受：面试官很温柔，问题也中规中矩。只是我的代码能力退化太多了，后续也需要锻炼。后续：没想到五一后给了二面邀请二面：自我介绍介绍第一个项目，打断问我如何训练模型学会论文翻译的风格，我往数据集构建上去答的问我第二个项目的query和论文总结是如何匹配搜索的，我说这方面还没有完全实现，主要是做蒸馏，然后开始介绍我的蒸馏因为我讲道自己有脑机接口的经验，让我介绍脑机接口具体是如何做的面试官说强脑科技的创始人是他校友，让我评价强脑科技开放题：如何训练一个信贷系统，输入个人信息，可以输出意见和额度。我说拆分成两个模型，然后分别训练，数据集是如何构建的等等。反问感受：面试官思维很敏捷，也很亲切，体验很好，就是在回答的过程中意识到自己对大模型的整体认识还局限于项目上，需要多了解前沿和加强基本知识的学习

多个智能体协作时，整个智能体协作的链路就被称作为 TraceAgent 项目的测试和评估，一般不能只看其中某个模型单次回答好不好，而是要按 Trace 来评估单元测试：把 Prompt、工具调用、参数解析这些关键模块拆开单独测。比如说模型能否选择正确的工具？Agent 调工具时，是否按照工具提前定义好的结构来传参？异常出现时有没有兜底？端到端测试：重点看 Agent 在多轮任务里能不能稳定完成目标。这一步需要反复调试，因为 Agent 的问题往往不是某一步错，而是工作流、工具调用、观察结果、继续决策这一整条链路中某部分出了问题离线评测集：把真实业务中的典型问题、边界问题、失败案例沉淀成 ben...

1️⃣一面 1. Transformer、CLIP原理，图文对齐层工作机制2. CLIP衍生进阶模型；检索场景模型适配改造思路3. Transformer各类Decoder结构4. 大模型通用预训练流程；电商垂域预训练必要性及原因5. GRPO公式推导；PPO四大组成模型手撕：多头注意力MHA代码2️⃣二面1. LoRA落地场景、常用超参配置2. 长文本模型结构优化；Qwen3-VL RoPE、MRoPE原理，其他位置编码方案3. 长文本训练各类优化Trick4. 多模态图像Token冗余过多解决方案；图像Token长度限制实现方式5. BF16与FP32精度差异、训练选型；训练推理精度一致性问题手撕：反转链表3️⃣三面1. 多模态Embedding设计经验、图文对齐方案与主流对齐方式2. Embedding模型与Reranker差异，二者训练Loss区别📳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。

📍面试公司：阿里平头哥🕐面试时间：一个小时💻面试岗位：AI应用研发工程师❓面试问题：自我介绍介绍第一个项目Redis 和 MySQL 之间的数据是如何分层的？缓存数据有什么区别？Redis 缓存是如何预热和重新加载的？如何保证 MySQL 和 Redis 的双写一致性？追问：具体是怎么去做的？是通过事务去做的吗？介绍第二个项目背景追问：有提供真实用户服务吗还是纯个人练手？介绍一下这段时间在 AI 方向学习的技术知识？大模型的 ReAct（先思考后执行）模式在这个项目中是怎么设计的？为什么不用 LangChain 去做完整的链路，而是选择自己手写爬虫和调用逻辑？RAG 检索增强的具体链路是怎么设计的？HR / 软性问题职业规划：未来是想做传统的 Java 后端，还是更倾向于 AI/大模型开发方向？实习相关：可以实习几个月？目前所在地在哪？是否能来上海？算法手撕两两交换链表中的节点（LeetCode 24，要求真实交换指针）反问🙌面试感想：一面的面试官人很好，很年轻的一个面试官而且很有耐心也会引导，还会详细跟我讲一些内容