蚂蚁暑期 大模型算法面经分享

发点面经攒攒人品～算法题：对话历史构造输入一个 List，包含 session_id、turn_id、query、answer 四列输入不保证按 turn_id 有序输出要求：在原始数据基础上增加 history 列，表示当前轮次之前的历史对话内容1.问实习项目2.项目解决的是什么问题3.训练数据来源4.DPO 训练数据格式5.训练时有没有考虑模型泛化能力6.如何解决模型死循环问题7.解释为什么会有模型死循环问题8.压缩向量的具体形式9.更倾向于研究型工作还是面向业务的工作

面试日期：4.24面试时间：40min面试体验整体体验直接拉满！面试官人超级好，全程像平等聊天一样，完全没有压迫感，不会故意刁难。技术问题只占 10 分钟左右，大部分时间都在聊项目落地、学习态度和对 AI 全栈的理解。遇到我答得不好的地方，还会主动给技术建议和思路引导，能明显感觉到他们是真的想招能干活、愿意成长的人，而不是单纯考八股的面试官。面试复盘--自我介绍--1.常规 3 分钟自我介绍。--项目深挖--2.这个项目是前后端分离架构吗？目前前端开发到什么程度了？3.当初为什么想做这个面试系统？做完之后对自己的真实面试有帮助吗？4.大模型接口是自己申请的官方 token 吗？用的哪个版本的模型？5.详细讲一下你设计的Agent 调度器和面试状态机的流转逻辑（我讲了 ReAct 思考 - 行动 - 观察模式 + 6 个面试阶段的状态机设计）6.项目里的各个 Skill 模块是怎么实现的？每个 Skill 单次调用大概消耗多少 token？7.怎么优化 Skill 的 token 消耗问题？（这里我答得不太好，面试官主动给了渐进式加载的核心建议：不要把大 Skill 一次性全量传给大模型，可以拆成多个小模块按需调用，就像看书先看目录再翻具体章节，能大幅减少 token 浪费）8.前端大模型回答字数多了会卡顿，你觉得可能是什么原因？--软技能与匹配度考察--9.你之前的实习主要做什么？为什么做了三个月就选择离职了？10.之前实习的时候代码有人做 Code Review 吗？一般会指出哪些常见问题？11.你对互联网公司的加班文化怎么看？能接受快节奏的工作模式吗？12.为什么想做 AI 全栈方向？对这个方向有什么自己的理解？13.你觉得全栈开发最大的痛点是什么？根据实际工作遇到的问题来讲讲如何解决14.有没有考虑过留在之前的实习公司？为什么想出来找新的机会？--反问环节--15.这轮面试过了之后还有几轮？结果大概什么时候会通知？16.组里有没有规范的开发手册？代码提交和合并有什么具体要求？17.公司现在的核心业务是什么？AI 转型具体在做哪些落地方向？个人总结 & 给后面同学的面试建议数数的面试真的非常务实：不考偏难怪的八股，所有问题都围绕 "你能不能干活、能不能快速学习、能不能融入团队" 展开。只要你有真实的项目经历，能把自己做的东西讲清楚，通过率会非常高。重点准备 AI 相关的项目：现在数数全公司 All in Agent，如果有 Agent、RAG、大模型调用相关的项目，一定要准备得非常细，能讲清楚全链路和遇到的问题，会非常加分。不要怕说自己不会：遇到答不上来的问题，直接说自己不太了解，面试官会主动给你引导和建议，反而比瞎编乱造好很多。

继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目背景2.要解决的问题3.要解决问题的难点4.技术方案选型5.最终如何确定技术方案6.Qwen3-VL embedding 是怎么做的7.是怎么提取图片的8.用的什么提取器9.最终怎么嵌入到文本里10.怎么定义 DPO 训练集是高质量的11.DPO 训练数据量是怎么确定的12.数据量确定是拍脑袋，还是有原则13.为什么不用 SFT14.SFT 数据质量要求高体现在哪些方面15.如果现在用 SFT 去解决这个问题，从理论上能不能解决16.为什么不用 GRPO 解决，而是选择 DPO

一面（1小时30分钟）：上来先做题1. 手撕AdamW2. 手撕无重复字母的字串（hot100）3. 出了两个题都是对数据库的操作，我以为是让写大模拟，写到一半结果面试官告诉我是用sql写🐱，不会遂罢。4. 面对海量数据的时候怎么对数据进行处理，比如说去除掉敏感词等等，面对海量数据会出现哪些问题，该如何去处理5. 介绍发表的顶会论文6. 介绍Q-learning和DQN二面（2小时30分钟）实习乃至秋招面的最久的一轮面试了，从晚上七点多面到十点，最后人都麻了🥵，面试官估计要下班了结束了面试🐱1. 介绍论文，主包是做强化学习相关的，围绕问了很多强化学习算法（GRPO，PPO，reward model)，介绍马尔可夫决策过程。2. bf16、fp16和fp32，并进行计算。3. lora微调的细节，量化相关知识然后开始漫长的手撕过程🥵4. 手撕ppo5. 算马尔可夫决策过程的γ阈值，我感觉是个无穷级数？6. 算模型sft的参数量大小及显卡利用率7. 是否重合链表（hot100）8. 如何使得一个输入向量x在经过一个或多个全连接层后，其输出向量y所在子空间基底尽可能接近标准正交基三面（面委会面）（30分钟）1. 介绍第一篇顶会论文（共享屏幕）2. 介绍第二篇顶会论文3. 不同强化学习之间的区别4. 和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变hr面（30分钟）常规的hr面问题，主要问来wx的意向。感觉前几面比较侧重技术细节，面委会感觉就比较侧重聊未来技术的发展，个人感觉前几面的压力比较大😼📳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。