荣耀推荐算法一二面面经

25届985硕，工作养老一年，python算法岗/大模型岗走上来hr让我做自我介绍。本人一篇tbme，两篇二作（中文/英文），几个专利。问我论文，怎么做的，创新点？问我机器学习项目，问我算法怎么设计的，为什么效果好？问大模型项目，我做过大概6个，问了几个我全程参与的。算法题:力扣300，已开启脑子浆糊，想换题面试官:你学过动态规划吗？然后我写递推做出来了，发现有溢出，提醒我去掉+1面试结束，面试官:好好准备算法，二面不能这样了

1️⃣一面 1. Transformer、CLIP原理，图文对齐层工作机制2. CLIP衍生进阶模型；检索场景模型适配改造思路3. Transformer各类Decoder结构4. 大模型通用预训练流程；电商垂域预训练必要性及原因5. GRPO公式推导；PPO四大组成模型手撕：多头注意力MHA代码2️⃣二面1. LoRA落地场景、常用超参配置2. 长文本模型结构优化；Qwen3-VL RoPE、MRoPE原理，其他位置编码方案3. 长文本训练各类优化Trick4. 多模态图像Token冗余过多解决方案；图像Token长度限制实现方式5. BF16与FP32精度差异、训练选型；训练推理精度一致性问题手撕：反转链表3️⃣三面1. 多模态Embedding设计经验、图文对齐方案与主流对齐方式2. Embedding模型与Reranker差异，二者训练Loss区别📳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。

4.29晚上面的 总共40多分钟。日常打招呼，自我介绍。1、拷打项目· 介绍一下多感知任务的这个项目是怎么做的？（目标检测、语义分割以及深度估计）· 你对于目前深度估计这个发展的看法（AI更好还是传统更好？）· 终端部署的时候你们算力限制是多少？在什么设备上面？运算速度如何？有没有做任何的优化？· 大概说一下模型的端侧部署的关键技术。（不仅仅讲流程，需要知道这个过程中会遇到的常见的问题）· 英语怎么样？用英语做个自我介绍。（确实没太准备，换了个开放性的英语问题。 How do u think about AI Agent in the future?）2、反问· 问了一下部门所负责的业务，做哪些工作？总结：目前来说，感觉企业很看重端侧部署的经验，感觉这个还蛮吃香？基本约面的都会问这个。然后其次就是对感知任务本身的了解、任务本身的原理？模型架构的熟悉程度？是否有着手调优模型的经验？二编5.26已oc

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