快手多模态日常实习一面

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

面试很难，还是要多多练习1.项目拷打2.酣畅淋漓的技术八股...*-讲一下Wan(阿里的通义万相)的框架是什么*-是否了解MM-DiT的框架*-对于DiT，时间t是怎么注入的，AdaLN讲一下*-了不了解VideoVAE是怎么训练的，用了什么损失函数，如果重建视频不清晰可以再加什么Ioss*-KL散度具体的公式是什么样的?和交叉熵损失函数有什么区别联系*-是否了解Flowmatching，具体是怎么做的，和DDPM的优劣*-讲一下Classifier-Free Guidance*-是否了解视频后训练怎么做的，GRPO是什么*-你觉得对于训练一个视频基模，应该有哪几个流程，哪一步比较关键*-训练过多大的模型，用了多少张卡*-训练过程中是否遇到过不稳定的情况，本质上是因为什么*-是否了解混合精度，FP16和BF16的区别*-是否了解大模型训练中的几种并行(DP,PP,TP,EP)3.手撕: 经典 multi-headattention

一、通用大模型与基础AI（技术前沿、成长快）1. 字节跳动（AI Lab/豆包团队）- 推荐理由：国内AI落地最强，大模型、多模态、推荐算法全面，业务场景丰富，工程与算法结合紧密。2. 阿里巴巴（通义实验室/千问事业群）- 推荐理由：Qwen系列大模型技术领先，C端（千问App）与B端（阿里云）双线落地，全栈自研能力强。3. 百度（文心一言/深度学习研究院）- 推荐理由：国内最早布局大模型，全栈自研（框架+模型+算力），政企/工业场景落地成熟。4. 腾讯（混元大模型/AI Lab）- 推荐理由：依托微信、QQ等海量场景，多模态能力突出，AI+社交/游戏/办公商业化路径清晰。二、垂直行业AI（落地明确、商业化强）5. 科大讯飞（星火大模型/教育医疗AI）- 推荐理由：中文认知智能龙头，教育/医疗/办公场景规模化落地，技术+场景双驱动。6. 金山办公（WPS AI）- 推荐理由：AI办公绝对龙头，6亿+月活，AI深度融入文档/表格/演示，产品化能力强。7. 旷视科技（计算机视觉/智慧城市）- 推荐理由：CV领域技术底座，多模态感知+大模型融合，智慧城市、工业质检落地广。三、底层算力与基础设施（硬核技术、国产替代）8. 华为（诺亚方舟实验室/昇腾AI）- 推荐理由：软硬一体全栈自研（昇腾芯片+MindSpore+盘古大模型），国产替代核心力量。9. 寒武纪（AI芯片/思元系列）- 推荐理由：国产AI训练芯片领军，专为大模型设计，在国产算力自主可控中占据先发优势。四、AI安全与科研创新（壁垒高、稳定性强）10. 三六零（360智脑/AI安全）- 推荐理由：安全+AI双轮驱动，AI安全市占率高，政企安全大模型落地，适合安全+AI复合人才。