好看只是锦上添花

继续来分享下之前的面经~欢迎友好讨论，信息共享1.项目细节深挖2.除了caption数据,为什么还要做一些VQA、reasoning、summary数据呢?3.解释为什么VQA、conversation、reasoning数据可能会提升模型效果4.当时的消融实验是完全消融吗?具体怎么做的?5.你的关键帧是怎么做的?6.技术报告看过吗:glm-4.1V,qwen3-vl,mimo-vl,kimi-vl,seed-1.5-vl7.你有仔细去看现在主流的VLM是怎么去洗数据，或者是怎么构造整套pipeline吧8.假如说你参与到这个进程中，你怎么看待接下来的趋势，或者说你拿到一个STEM任务类型，你会怎么去做，你觉得现在技术报告里的缺点在哪里，你有什么想法吗?9.使用VLM-as-judge做整套的数据清洗pipeline，从合成、清洗、过滤、验证、合并，这块有了解吗

面试体验有点点奇怪，面试官很好，但问的问题很发散,答的很不好时间：1h状态 ：未推进1. 面试官自我介绍+业务介绍：CRM2. 自我介绍3. 先写道题：前缀和的题+优化一下3. 从头开始介绍你的实习经历+你学到的东西+学到的可迁移性的能力+技术方面的提升（发散性有点高，想不出来什么）4. 你对下一段实习的期待，具体详细点（答的不好，感觉一直没有达到面试官的要求）5. 介绍一下 agent 的搭建流程，mcp 的底层6. 介绍一下实习做的业务框架，主要解决了什么问题（没讲好）7. jd 什么时候离职8. 反问：BASE、几轮面试

【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。

发一下问题给大家参考，攒攒人品！1️⃣技术提问：1.讲讲过拟合是什么？2.遇到过拟合怎么解决？3.用过XGboost吗，有什么优点4.梯度XGboost的原理5.贪心算法的原理6.梯度消失怎么解决7.pre，re，auc指标的含义8.逻辑回归的损失函数和求导、最大似然估计9.交叉熵损失的物理意义2️⃣coding：找到和大于等于目标值的连续子数组要求用sliding window和二分查找两种方法做