拼多多算法工程师一面，二面（已挂）

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1）做过的最有影响力的一件事是什么？具体推动了什么变化？2）训练不稳定怎么排查3) Long Context 常见思路有哪些？在业务里如何做"能看长文本但不太贵"的折中?4）如何做一套简单可执行的离线评测集？如何覆盖不同语言与类目？5）多模态场景怎么评估：如何检查"图文一致性／不编造信息"？优先加哪些自动化检查？6) Prompt ／模板如何管理：如何版本化、如何回滚、如何避免一次改动导致整体波动？7) 手撕：实现一个最简单的 top - k 采样，并说明边界情况怎么处理。

小米、好未来、拼多多陆续发放笔试。不光是这几家，字节、腾讯、阿里的秋招笔试也在陆续排期，甚至一些中小厂也跟着开启了笔试环节，生怕错过优质校招生。有人手握好几家的笔试邀请，却犯了难：笔试时间撞车怎么选？算法题刷得还不够熟练怎么办？非技术岗的笔试要不要提前准备行测？也有同学调侃，这段时间的日常就是 “睁眼刷题，闭眼背题，收到笔试通知就紧张，没收到又焦虑”。毕竟笔试是求职的第一道门槛，刷掉的人比面试还多，容不得半点马虎。笔试的话，在我看来最重要的就是计算机基础和算法题，这些都需要好好准备，多去看看。至于那些性格测评可以选择上科技

【一面】 1）介绍一个最能代表自己的项目2）项目里负责的边界是什么？哪些内容是亲手实现／验证的？3）电商领域预训练数据：低质过滤与去重会怎么做？用哪些简单指标快速判断数据质量？4) Pretrain 和 SFT 分别解决什么问题？5) Transformer 的基本结构怎么理解？6）多模态模型的大致结构是什么（图像编码器+连接层+ LLM )？最容易踩坑的点通常在哪里？7) SFT 数据如何更贴近业务：如何避免过度模板化？如何做基础的 train / test 去重来避免评测失真？8）对齐（ RLHF / DPO 等）整体思路是什么：为什么需要偏好对／奖励信号？【二面】1）做过的最有影响力的一件事是什么？具体推动了什么变化？2）训练不稳定怎么排查（ loss NaN 、 OOM 、吞吐下降）3) Long Context 常见思路有哪些？在业务里如何做"能看长文本但不太贵"的折中（摘要／分段／滑窗等）?4）如何做一套简单可执行的离线评测集？如何覆盖不同语言与类目？5）多模态场景怎么评估：如何检查"图文一致性／不编造信息"？优先加哪些自动化检查？6) Prompt ／模板如何管理：如何版本化、如何回滚、如何避免一次改动导致整体波动？7) 手撕：实现一个最简单的 top - k 采样（给定 logits ／概率，取 top - k 后重新归一化采样），并说明边界情况怎么处理。📳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。

拼多多是我春招的第一面，结果一面就挂了。面试官出了道算法题，我在那儿想了半天也没做出来，确实是自己刷题不够。没啥好抱怨的，回来接着刷题吧，下次再战。