快手-暑期实习-多模态算法面经 夯爆了

看了大家不少面经，我也发发面经攒人品✉️投递：3.18💬面试：一面 3.23 二面 3.25 三面 4.3 HR面 4.13📝offer：4.21🎙️我的感受：我由于测评不高，面到HR面的时候非常的焦虑，很怕因为测评给我挂了我投的淘天全挂了，可能就是因为测评不行吧总体下来阿里的面试官还是挺尊重的，拷打的很详细bg：双九，一段小厂对口实习面试主要内容狠狠拷打简历，实习内容，问的非常详细，会问到你负责了什么，用了多少张卡，学习率怎么样，训练了多久，用了多少数据，数据是怎么准备的，显存占用怎么样场景题：如果我目前有一个数字人的模型，我想训练成只生成一个人的，可以怎么做你看过什么别的 SOTA 模型的 ref image 注入方式，有什么优劣八股：如何判断模型是否收敛如果训练的时候梯度消失或者爆炸，你怎么解决如何系统判断是否训练完成，特别是在视频生成模型中有哪些常见的蒸馏方法LoRA 微调的原理DiT 的框架流程，如何时间注入，讲一讲 AdaLN讲一下 flow Matching，原理，优势现在为什么大家都用 RMSNorm 而不是 LayerNormAdam 和 AdamW 的原理，有什么改进手撕：1. 二叉树的右视图2. 非 hot 100，滑动窗口3. 扎破所有气球的最少箭数暑期实习还是太折磨了，我面了好多场，一直在泡池子。。。腾讯二面给我泡了13天然后挂，米哈游一面挂，快手简历挂。。。看到身边同学都拿到offer了，那是一个焦虑啊，本来都想转日常了。最后总算是有一个结果了

继续来分享下最近的面经~1.详细介绍实习工作2.重点讲清楚自己解决的是什么问题3.讲清楚背景、自己负责的问题、以及一步步解决的过程4.讲一下通过这段工作总结了哪些经验5.介绍最终各个指标6.SFT 的 LoRA 和 DPO 的 LoRA 有什么区别7.详细展开实习工作8.设计了哪些实验9.最终选择了哪个方案，为什么10.最终交付是怎么交付的11.聊了一下 RAG无手撕

希望发出来对大家有帮助！1.项目拷打2.实习中，处理的时序数据都是什么样的数据？信号代表什么？3.详细介绍一下项目中的技术部分是怎么做的？4.做pre-training的时候loss的权重是怎么设计的？5.简述一下几篇对比学习的工作，介绍一下技术发展脉络？是否了解MoCo？6.有没有做过大模型微调？LoRA是否了解？为什么可以省显存？7.Agent项目里用的框架是什么？它是怎么决定自己要做哪一步的？8.workflow和agent的主要的区别9.问了几个GRPO的问题10.讲一下归纳偏置11.解决模型过拟合的方式12.transformer里的因果attention怎么实现的13.介绍一下位置编码？旋转位置编码的作用14.梯度消失和梯度爆炸的原因？如何解决？15.手撕：最长无重复子串

继续来分享下最近的面经~欢迎友好讨论，信息共享1.论文与项目拷打2.对agentic rl的了解简单介绍langchain和langgraphharness做的事情看起来langchain等也一直在做，为什么harness现在这么火，有什么区别3.端到端生成式推荐生成式召回生成式排序这几个方向各自的代表成果以及侧重你认为目前而言哪一块是融合的最好的，或者说哪一块价值最高码本训练的方法，评估指标，模态对齐怎么做，embedding模型是否要训练，幻觉怎么解决4.手撕:排序链表