发一下问题给大家参考，攒攒人品！1.介绍一下推荐算法整个链路2.mind模型结构3.mind的损失函数是什么4.双塔模型怎么算相似度5.多目标建模有哪些6.moe结构7.门控具体如何实现8.训练时候优化器一般选什么9.大模型学习率一般设置为多少10.讲一下beamsearch的过程11.束搜索可以调节的参数有哪些12.温度系数怎么影响结果13.手撕:一层LLM的伪代码电话号码的字母组合思路时间复杂度

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.为什么用sft，不用强化学习？能不能直接强化学习?2.为什么要用强化学习对齐，SFT为什么不能对齐？3.为什么要微调，提示词不行吗？（针对金融项目lora微调）4.vllm显存占用是怎样的？观察哪些vllm的指标来优化显存的？5.大模型lora训练时需要设置哪些参数？6.训练时观察的指标有什么？如何知道是过拟合，欠拟合？7.如何训练的？一次训练好的吗？8.Flash attention ，page attention原理。9.强化学习有自己训练过吗？10.算法手撕：中序遍历二叉树

被横向挂了，希望发出来对大家有帮助！1.设计一个电商导购 RAG 系统，要求给出完整链路和瓶颈点。2.召回层你会放几路？每路的职责怎么分？3.query 改写怎么做，怎么避免语义漂移？4.重排模型如何离线训练与线上蒸馏？5."命中检索但生成幻觉"你会如何分层定位？6.线上P95突然上升30%，你如何10分钟止血？7.如果要在一周内恢复体验，你排优先级的原则是什么？8.Continuous Batching 在你场景里是否值得上？9.KV Cache 占用如何估算？你们做过哪些降占用策略？10.如果预算砍半，你保留哪些模块，砍掉哪些模块？11.618大促场景下，准确率和延迟冲突时你怎么取舍？12.你如何向产品解释"离线分高但线上没提升"?

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1. 实习拷打2. 对整个推荐系统链路有哪些了解3. 打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗4. 你觉得LLM对做推荐有什么帮助吗5. LLM如何处理用户的历史行为序列6. LLM与推荐结合落地上有什么问题7. LLM想要和推荐结合，有没有什么可落地的方案8. 广告投放一般关注什么指标9. 抖音和小红书的推荐系统你觉得有什么差别，从算法的角度上谈一谈10. 小红书是一次性展出多个笔记，而抖音是刷新出单个视频，你觉得算法上有什么区别11. 算法题1：有n个灯泡，一开始都关闭，执行n轮操作，第k轮将序号为k的倍数的灯的状态反转，请问n轮操作后有几盏灯是亮着的

继续来分享下之前的面经~欢迎友好讨论，信息共享1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？10. bn训练阶段和测试阶段区别，详细讲讲原理11. dropout原理，训练阶段和测试阶段区别，为什么12. deepwalk和node2vec原理13. 协同过滤讲讲原理14. 推荐多任务模型了解哪些，讲一下esmm15. 手撕交叉熵，二叉树最近祖先

1.自我介绍和过项目2.知道 deepspeed 和 megatron 吗，分别介绍一下3.Decoder 文本生成有哪几种方法4.Attention 为什么要做scaled ，不做会怎么样，为什么用根号 d _ k5.说一下 Decoder 的因果注意力， QKV 分别来自哪6.深挖多模态大模型论文用的video - llama ，讲一下大模型的结构7.LoRA 初始化怎么做的，用的秩是多少，为什么不选其他的数8. 介绍一下 ALBEF 、 BLIP

如果训练出来的模型在某一类任务上表现比较差，如何解决这个问题？如果DPO训练的过程中发现loss不降，如何定位原因？从数据构造和训练参数两个角度分析。有没有尝试过动态prompt，训练数据如何构造，如何保证policy正确？如果想把判别式任务转化成生成式任务，学术界有哪些常用方法，哪一种效果比较好有对比过吗？数据的难度分层是如何做的，为什么没使用困惑度？如何确保分层的准确性，用大模型进行分层为什么没有尝试更大的模型？做CPT时的数据量级，数据处理的pipeline？CPT的数据配比是什么样的，有没有考虑CPT后通用能力的退化问题？如何检验CPT后模型的通用能力？手撕：1、寻找重复数（转化成环形链表找入口来求解）2、手撕对比学习的loss计算3、手撕多头注意力

一面 1. 自我介绍+介绍论文，根据论文问了一些拓展的问题2. 简单说一下AUC的定义、物理意义和如何计算，并且用python实现一下AUC的计算3. 手撕：lc199改编 二叉树的左视图  acm模式，要自己建树和序列转树二面1. 自我介绍+介绍论文2. attention的计算时间复杂度3. 推荐系统或者NLP领域 有什么方法可以加速attention计算4. 你了解哪些生成式推荐的论文5. 为什么要在推荐系统引入RQ-VAE6. 和VQ-VQE有什么不同7. RQ-VAE怎么解决坍塌问题8. Normalization有哪些，有什么作用9. 什么时候用batch norm什么时候用layer norm，为什么10. 训练和推理的时候的均值和方差都是怎么得到的手撕：lc331 验证二叉树的前序序列化  问复杂度，优化方法

- 自我介绍一下- 展开讲一下论文做了什么？具体实现机制的探讨- 简单介绍一下比赛干了什么？- 比赛的几路召回，GRU召回、YoutubeDNN召回等效果如何？为什么？为什么GRU行为序列建模召回比ItemCF效果更差？- Coding：（1）DP：零钱兑换，以及各类变体。

编程题秒完第一道就开摆了，还能参加下一次笔试吗