发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 实习拷打2. 项目拷打3. 模型为什么不直接用单任务估 pcvr，这不是更直接？4. 为什么多任务模型比单任务更好？5. 特征层面进Sharebottom特征怎么选的？6. 广告模型用的特征具体有哪些类别？7. 用户侧特征都有什么？8. 自己有具体去看过特征吗？比较重要的有哪些？9. 做网络优化前有考虑先从特征统计层面做优化吗？10. PLE和MMoE用过没？为什么效果不如当前的模型优化？体现在哪里？11. 共享屏幕随便打开一个讲 MMoE 的博客讲一遍12. MMoE 你觉得最大的亮点在哪里13. MMoE 伪代码14. 关于增量特征，从原始特征选一部分，而不是做更多新特征，这点怎么考虑的？15. 八股 QKV怎么做并行的 写个伪代码16. 场景题：滴滴打⻋用户一公里之内随机出现⻋，求距离期望

面试体验很好，面试官也很专业。项目问题八股：讲一下GQA、MLA等结构MLA对Query压缩了么？什么框架做RL训练的？DPO对齐方式有用过吗？介绍DPO的原理？DPO优化目标介绍Reference Model需要训练吗？DPO训练只用DPO对齐阶段的Loss吗？代码题：最大乘积子数组

开局直接手撕，没自我介绍非hot100 能修改k个字符，求一个字符串的最长重复数。没运行，只要写代码说思路自己选一个项目介绍问了一些场景题，比如遇见稀疏reward可以怎么处理然后sample level loss和token level loss为什么在你项目区别不大这些手撕20min+面试15min

本轮面试没有涉及代码，考了综合素质。智力题：9个秤砣，有一个偏重或者偏轻，请问最少几次能找到那个异常的？考察了综合视野，你怎么看k2 GLM4.5的基座agent化？你觉得agent的路在哪里？你觉得未来哪个agent方向最有可能落地？为什么？你在训练中觉得哪一个环节最头疼？怎么合理构建大批量人工数据？或者怎么样对已经有的业务数据进行高质量地批量清洗？什么时候你用了规则？什么时候你用了LLM？为什么用gemini？为什么不用gpt4.1？

（1）面试官介绍部门业务方向，相对小众；（2）拷打与部门业务方向相关的实习经历；个人的贡献以及整体团队的协作配合；会问对相关前沿技术的了解情况，以及结合部门业务情况提出相关的场景题和拓展题；（3）八股：注意力机制，损失函数。（4）手撕：寻找重复数；最长公共子序列；（5）反问：业务，base地总结：大概率KPI面，没什么算法hc的感觉。