算法工程师

想找后训练相关的

非常开心的一天秋招收获的第一个offer也是第一次收到字节的意向忙碌了一年，总算到了收获的时候了继续冲冲冲

大模型面试题合集大模型面试八股文

终于有人提起这下水道公司了，一股恶臭味

秋招进入中后期了，算法八股快背的差不多了，感觉需要系统整理下手撕没怎么复习到的地方，避免考到笔都动不了直接寄的情况。以下收集自各大厂面经/笔试解析，查漏补缺，列个todo list，欢迎各位大佬补充：ML/DL，基于numpy或者torch实现：线性回归、MLP（结构、前向传播、反向传播）Multi Head Attention绝对位置编码、RoPE交叉熵计算AUC计算BatchNorm，LayerNormk-means聚类IoU、非极大值抑制(偏视觉岗)数据结构与算法类：归并排序、堆排序KMP、Trie、字符串哈希RMQ、线段树（在线查询，修改区间最值、最大连续子段和等）Dijkstra（堆优化）、Kruskal最小生成树、拓扑排序（感觉图论考的少但是没复习过必寄）快速幂、逆元、组合计数取模、卡特兰数（小米笔试被挂过）牛顿迭代法解方程分组背包、混合背包、二维费用背包、背包输出具体方案、数位dp、状态压缩dp

Fintopia (瓴岳科技 洋钱罐) 的 “登岳计划” 26届校招，正式启动了！这绝对是你毕业即巅峰的黄金门票！🎫🏔️ 为什么“登岳计划”是你的最佳选择？拒绝拧螺丝，来这就对了！火箭式晋升路径 🚀：技术大神 or 管理精英？双通道发展，你说了算！大牛1v1带教 👨‍🏫：我们部门都是行业资深专家亲自带队，保证你软着陆，让你在真实业务中光速成长，绝不让你一个人摸索。别人画的饼，我们直接端上桌！ (真·福利天花板)💰 幸福租房补贴：是的你没看错！帮你解决毕业后最大的痛点，让你住得舒心！🍚 顶级干饭自由：免费午餐+晚餐，不用加班就能享受丰盛晚餐，胃和心都给你照顾好！🍰 花式下午茶：每天不重样，奶茶、甜品、水果…工作日的快乐源泉！⚖️ WLB天花板：早10晚7，周末双休，告别无效内卷。入职即享10天年假+12天超长带薪病假！🛡️ 顶配安心保障：六险一金，给你360°的保护。格局打开，视野即刻全球化！我们的业务遍布全球，让你不出国门，也能拥有环球技术视野和业务格局 🌍。英雄不问出处：无论你是CS大神、数统学霸、金融精英，还是小语种人才、法学高材生，这里都有你的舞台！专业无限制，我们看重的是你的潜力和热情！💥 划重点！咱们聊聊最实际的！你们最关心的薪资问题，我直接给你们交个底：绝对是金融科技赛道里的Top Tier！薪资直接对标一线互联网大厂，绝对有竞争力，让你毕业就有底气！⏰【黄金申请时间线】8月1日 网申开启 ➡️ 越早投递，机会越大！HC不等晚来人！🔽【投递传送门】别犹豫了！早投递早面试早拿Offer！快去【扫图里的码】一键投递！或者在【评论区】扣“登岳”，我看到会把内推链接发给你！上车要趁早！

——从校园到产业智能的真实体验刚加入明源云的那天，我还是一个刚从校园走出来的算法校招生。第一次真正参与到企业级算法项目中，从写模型到让算法“跑”在真实业务里，那种从理论到落地的转变，让我体会到了算法工程师工作的深度与挑战。一、算法评测：让模型从“好看”到“好用”刚入职时，我主要负责算法评测与验证的工作。看似只是“检验模型效果”，但背后其实是一整套系统流程的搭建。我们要设计评测指标、验证语义匹配、比对模型结果的准确性和稳定性，还要考虑算法在生产环境中的可解释性与鲁棒性。那段时间，我深刻认识到——算法不仅要追求指标上的漂亮数字，更重要的是“能被信任、能被用好”。当模型结果真正被业务团队采纳、转化为决策依据时，我感受到算法价值被放大的那一刻。二、模型优化：让算法更懂人，也更懂场景在工作中期，我开始深入参与算法模型的优化。围绕自然语言处理（NLP）方向，我们尝试了多种模型架构与技术路线：从Transformer、BERT到MPNet的对比实验，再到Embedding语义聚类、指令型任务生成的方案调优。为了让模型更好地理解客户语言，我们设计了多轮对话追踪、隐形抗性识别与文本关联分析机制。每一次算法迭代，都是一次模型“读懂人话”的进步。虽然调参和验证的过程繁琐，但当算法准确率不断提升、能稳定产出时，那份成就感非常真实。三、Agent探索：让算法真正“动起来”除了传统的NLP算法，我还接触到了Agent智能体系统的开发工作。将Agent与PandasAI集合，让算法不仅能分析数据，还能主动执行任务、生成报告、调用工具，形成更具自主性的智能分析体系。这种让算法具备“行动力”的体验非常新鲜——它不再只是一个被调用的模型，而更像是一个能独立思考、协作的AI伙伴。四、成长与反思：从技术到价值的跃迁回望这一年，从算法评测、模型优化到Agent研发，我完成了从“学生思维”到“工程思维”的转变。我学会了如何在复杂业务中找到算法落地的突破口，如何与前后端、业务部门协同推进模型上线，也更理解了算法在产业智能化中的真正价值。在明源云，我看到了AI技术与房地产行业深度融合的可能性，也找到了属于算法工程师的节奏——既有对模型的理性思考，也有对智能未来的热情探索。未来，我希望能继续在大模型与Agent方向深耕，让算法真正成为连接人、数据与决策的桥梁。

一切都从昨天下午原以为是KPI的一面开始，没想到直接开出意外惊喜一面：自我介绍，然后讲了刚投的一篇1区论文的工作，分析整体的框架、具体的技术细节，常见的反问点（为什么这么设计、为什么有效，相比于之前的工作，主要好在哪里、最核心的贡献是什么）面试官自称是NLP背景的，然后问了一些常见的视觉和多模态大模型的模型结构、损失函数设计、训练及推理过程等（面试官有可能是故意扮猪吃老虎哈哈）Coding：最接近的三数之和；共享屏幕本地IDE，秒了一个n^2logn的做法，让进一步优化，最优解是双指针；不过面试官觉得编码能力应该可以，实现很快，提示完直接让过了原本以为月底发一面是KPI，结果面试官问我后面还有没有时间，现场约二面，等面试官进会议二面：自我介绍，二面面试官非常重量级（进会议的title和面试的深度广度全都拉满了）首先很深入了聊了相当多关于MLLM的内容：介绍一些MLLM的现状，再选一个近期的多模态大模型，介绍相较于CLIP、LlaVA早期版本进行了哪些改进: Qwen技术点比较多，之前没系统整理过，说了自己还有点印象的Intern-VL2，不过上次看Intern-VL2的论文已经是三个月前了，大概只答上两点比较核心的。然后继续深挖目前多模态大模型在数据层面相较于之前的改进，这个没答上来之后被面试官深挖了LoRA，可以说LoRA的每一个细节的角落全都被挖的干干净净，还有不少开放性思考题，甚至比上次小鹏CV大模型一面面试官挖的还狠得多。不过上次被拷打之后就很系统地整理了LoRA的相关内容，勉强答得还行吧以后再不能当git clone侠了。然后面试官针对我的专业背景（统计），深挖了几个ML、DL相关的数学层面的问题，有让共享屏幕开白板写过程和推导（不是特别难，不过挺新颖的，秋招还是第一次面试被问到这种类型的问题）；紧接着针对我的Nature子刊工作中用到的Gaussian Graphical Model，讲了其与传统ML模型、神经网络和大模型的差异、区别和各自的优劣势。最后是一些相对开放性的问题：你是如何使用现代的LLM产品提高工作、学习和编码效率的？为什么这种方式有效果？LLM、LVM、MLLM未来发展的方向和前景大概是怎样的？整个二面的问题不止这些，太多了，又深又广，很多具体已经记不太清了，而且回答的过程中几乎都有进一步反问，深挖了很多东西二面面完，面试官也是直接当场联系三面面试官三面：自我介绍，三面面试官更是整个集团的技术大佬，NLP相关经验非常丰富，整场面试问的内容也偏NLP相关，我之前几乎0 NLP相关经验，汗流浃背了可以说，不过好在基础还行，凭自己的做CV和MLLM的积累，基本都答上了首先介绍了之前lab实习中做的LLM剪枝优化迁移的工作，然后深挖了相关的技术细节，不过刚聊完电脑音频直接罢工了，重新约到11.1下午11.1下午完整描述CLIP的原理、架构、工作过程、怎么对齐、怎么做image caption完整描述transformer输入一个文本序列如何做下一句预测的全过程，深挖了tokenize、位置编码、MHA、FFN、损失函数、输出转换各个部分接着从我项目经历中有关传统ML的经验出发，问了一些ML相关的八股，难度不大然后是偏主管面的一些内容：对工作环境的期望、自身性格优缺点等反问环节逮住大佬问了目前MLLM的相关业务和技术现状；最后是关于面试流程上的一些问题总体体验非常棒的三轮面试拷打深度广度强度高，但是也学到了非常多的东西，这也算是对自己能力的一种认可吧现在想想当初9月份面试难度远不及现在的团子、阿里、得物、理想，却被面挂了，可能还是简历不如现在优化的好，没能突出自己的优势，也没有勇气直接投更匹配自己的岗位吧（当初为了求保底，基本都投的机器学习、数据挖掘这种最“泛”的算法岗，或许应该早点鼓起勇气直接投自驾、MLLM和CV的）。今天看到牛u们团子开奖，各种sp、ssp，确实感觉羡慕+遗憾。最后许愿一个HR面吧

前言   大家好，我是鬼仔，前两天详细地整理了TP-LINK的面经汇总：你离TP-LINK的offer只差这个保姆式面经汇总！ 。今天保姆鬼仔又呕心沥血地整理了最近三年（2020年以来）华为的面经汇总，分了两个专场：技术岗位专场和非技术岗位专场，非技术岗位专场看这里：【鬼仔面经汇总系列】华为非技术岗专场：产品、运营、审计...       该贴是技术岗专场，技术岗位包括软开岗、测试岗、算法岗、芯片等硬件岗，根据时间倒序进行排列。希望同学们好好复习，准备面试，鬼仔给大家加油打气！      该贴首发于鬼仔的公众号《码农鬼仔》，鬼仔还会持续更新该帖内容，有需要的同学强烈建议收藏！   同学们如果还...