腾讯大模型（技术研究-自然语言处理）面经

补发一下之前面试腾讯的面经，具体timeline可以参考前面的帖子。

一面（约30mins）：
自我介绍，挑一个简历里最好的一个项目详细介绍下
项目中遇到了什么挑战，怎么解决的
了解DeepSeek吗，为什么DeepSeek现在这么火？
说一下DeepSeek里的MLA和GRPO
GRPO和DPO，PPO，RLHF的区别
看你之前有LoRA微调DeepSeek的项目，简单说说微调经验，效果如何
RAG在检索阶段能有哪些优化？（sub-query，HyDE等）

二面（约1h10mins）：
自我介绍，拷打简历。
写一下GRPO的公式
先屏幕共享从头到尾walk through讲一下DeepSeek技术报告论文。面试官中间会穿插提问
DeepSeek-v3/r1/r1-zero有什么区别
DeepSeek-r1-zero的冷启动数据是怎么组成的
DeepSeek-r1-zero解决了DeepSeek-r1的哪些问题
如何解决大模型的幻觉
Embedding如何微调（讲了对比学习啥的）
RAG的评测指标有哪些
业界现在function call的做法和水平
场景题：大致是RAG中检索结果遇到张冠李戴的问题该如何解决
举几个例子能够体现你的研究能力

三面（约30mins）
拷打LoRA微调项目，问了实验的数据集，参数设置，结果如何等等
你目前的研究方向主要是什么？
讲一下ReRanker的目的，做法有哪些
场景题：我现在运用RAG来检索回答，目标是检索四个季度的表格数据，但是经过检索+ReRanker后只出现了三个季度的数据，该如何解决

hr面（约15mins）
比较常规，大致如下：
用三个词语描述下你为何能胜任这份工作
你的优缺点都说一下
你过往实习项目中遇到过的最大困难是什么，怎么解决的
最早实习时间，实习时常

引流：腾讯字节阿里淘天美团拼多多

#暑期实习##腾讯##大模型#