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.简历拷打2.rankmixer中token是如何交互的？详细讲一下？3.收益来源是曝光上涨带来的吗？如果不是，如何定义收益的来源？4.召回中如何做负样本的动态更新？5.embedding是如何产生的？如何做group emb？为啥要这么做？有6.想过其他方法吗？7.对softsearch还了解哪些？8.如何做ltv预测？对这方面工作有了解吗？9.代码手撕selfattention

1.简历拷打2.对广告中的ltv建模有了解吗？3.序列建模的原理是啥？怎么学出来位置信息的？4.如何判断一个特征重要性？5.多任务学习如何保证每个专家学到信息不一样？6.除了adam还了解哪些？动量的作用？代码最大子数组和用numpy实现矩阵分解

1实习拷打 2是否有做解特征工程?模型训练的频率，特征更新的频率?如何解决数据漂移?异常值如何检测和处理?是否有特征监控?3手撕 44 通配符 非hot 100 hard题八股拷打4如何解决过拟合5介绍kmeans，k如何选择6一道sql题，部门，员工，工资三个字恤缴，如何选择每个部门工资最高的两个员工7如何判断链表有环?8介绍attention机制，光速吟唱，为什么需要多头注意力?多头跟单头复杂度是否一致?9如何让大语言模型回答更确定?

1.实习拷打2.项目拷打3.八股:1.GPRO 相比 PPO 的优缺点是什么?2.PPO 是如何计算优势的?GAE的原理?3.有了解过除了 GRPO 的其他强化学习训练方法么?4.DAPO 改进了什么地方?5.你觉得 VERL 框架如果用 DAPO 该改哪些地方?6.DPO的原理是什么?如何推导出来的?7.重要性采样的原理?8.SGD、Adam、AdamW 的区别和改进9.你平常使用什么编程语言?Python 精通么?10.Python 的**是干什么的，**kwargs 是干嘛的，@字符是干嘛的?装饰器的原理是什么?11.平时用什么 AI编程软件?有对比过 cursor里面不同模型的效果么?12.你觉得大模型未来会朝着哪里发展?13.你做的这些项目，如果回过头来，哪个最想迭代改善?代码:Leetcode718 最长重复子数组

项目一 1.动机，模型结构，label和loss，2.为什么不用....，3.迭代过程中的线上指标，4.遇到过什么困难是怎么解决的5.介绍一下生成式推荐现在的几种范式6.如果让你做emb量化，你会怎么做7.为什么选用RQ–kmeans8.详细讲一下balanced RQ–kmeans9.讲一讲评估码本质量的几种办法10.下游直接使用sid生成效果往往不好，讲一讲有哪些改进方法手撕交叉熵编辑距离

总体感觉不错，估计是太卷了。。。1. 手撕：给定 rand(7)（随机选取 1-7）实现 rand(10)2. 平均调用 rand(7) 次数是多少？3. grpo是什么？最耗费时间是哪一步？4. grpo 长度衰减怎么做的？公式输入给我5. grpo 计算 loss 时候如何做重要性采样？有什么改进点？6. 你grpo 用了几张卡，大概多少 h，数据用了多少？

1.讲一下大模型训练的过程2.预训练的 loss 是什么？怎么做的评估？（回答不会）3.有了解 PPL 吗？（回答不会）4.sft 的 loss 是什么？lora 你用了多少卡？（现在开始八股，下面的内容全回答的不会）1.你们做的长文档 PDF，有哪些长上下文扩展方法？2.技术报告看了吗？最长上下文的模型是哪个？3.你们训练用了多少卡？4.讲一下 MHA5.讲一下 qwen 和 chatglm 的区别。和 llama 有什么区别？6.讲一下 vision encoder的 loss，clip 之后的发展有哪些？7.讲一下你看了哪些技术报告？8.chatglm 结构是什么？为什么这样设计？9.讲一下 deepseek 的结构？10.rope 有了解吗？

1.code:平台写伪代码，无重复最长子序列2.介绍三篇论文，介绍专利，深挖3.还聊不了解其他的用户序列建模的模型？4.SIM的做法知不知道？5.如果我要对一个超长序列找出我需要的50个序列，你会怎么做？（类似RQ-VAE的做法）6.多目标建模的不确定性损失介绍一下，还聊不了解其他的多目标融合的方法？7.如果多目标建模的过程中，有一个目标的权重太大，占了主要的梯度，你会怎么做来平衡？需要往球面建模的方向回答

1.code：自己建树，二叉树的最大路径和2.面试官上来让我讲讲我的论文，然后说论文方向和组里不太match3.然后就是让我讲讲我的实习的工作4.你对于GR的认识5.onerec的技术路线和一些细节（回答的很浅）6.然后问我有没有训过RL的模型？最后code，这个是做出来了

1.介绍另一个项目，还有围绕该项目的深挖比如多个大模型的统一适配是怎么做的？有限状态机的完善过程是什么样的？整个fsm通过几个模块来完成？2.主要考察业务场景问题：1.技术人员如何在模型生成结果中体现内容的创新性？2.想要让新用户在初次使用App时快速被吸引，你设计的模型需要注意哪些点？3.提到的收集时空两方面的数据，如何收集？收集后该如何分析处理？3.八股：1.了解过qwen、llava等大模型吗2.它们各自的核心特征是什么3.它们是怎么进行微调怎么去训练的4.手撕代码：两个升序序列的合并，询问思路和复杂度

攒人品中，欢迎评论区交流～1.在 LLM 的推理阶段，有哪些常见的解码策略?请解释 Greedy Search，Beam Search，Top-KSampling 和Nucleus Sampling(Top-p)的原理和优缺点。2.什么是位置编码?列举两种实现方式。3.请你详细介绍 ROPE，对比绝对位置编码它的优劣势分别是什么?4.MHA ,MOA,GOA 的区别。5.请比较一下几种常见的 LLM 架构，例如 Encoder-0 nly,Decoder-Only,和 Encoder-Decoder ，并说明它们各自最擅长的任务类型。6.什么是 Scaling Laws ?它揭示了模型性能、计算量和数据量之间的什么关系?这对 LLM 的研发有什么指导意义?7.请详细解释一下 Transformer 模型中的自注意力机制是如何工作的?8.什么是词元化?请比较一下 BPE()和 WordPiece 这两种主流的子词切分算法。9.你觉得 NLP()和 LLM 最大的区别是什么?10.开源框架了解过哪些?11.激活函数有了解吗，你知道哪些 LLM 常用的激活函数?为什么选用它?12.混合专家模型(MOE)是如何在不显著增加推理成本的情况下，有效扩大模型参数规模的?请简述其工作原理。13.在训练一个百或千亿参数级别的 LLM 时，你会面临哪些主要的工程和算法挑战?14.最近读过哪些 LLM 比较前沿的论文。

1.项目拷打为主2.思维链是怎么构建的，数据怎么来的3.思维链怎么检验其质量4.Reward fuction怎么设计的5.这个项目中哪些东西是你做的6.AIGC项目中的数据是哪里来的7.Agent搭建用了什么模块/包8.新建一张ppt，手写grpo公式并详细介绍9.介绍clip10.手撕：单头注意力11.手撕力扣：括号生成，给定n，输出所有可能的括号组合

1.SFT和RL有什么区别，什么场景用什么2.SFT 有哪些方法，如何判断SFT效果已经达标了3.SFT 过程中 loss 是怎么计算的4.现在基座能力越来越强，为什么还要SFT5.大模型 RAG、SFT、RL区别，分别适用于什么场景6.为什么在强化学习前要先SFT7.强化学习 on-policy vs off-policy 的理解与适用场景?8.PPO/DPO/GRPO/DAPO/GSPO，目标函数、损失函数等9.GRPO-DPO 对比10.PPO-GRPO 对比11.GRPO 公式，GRPO 公式角度来看，为什么会倾向于生成长篇大论12.GRPO的group 大小怎么影响算法效果13.GRPO 训练出现熵崩怎么办14.GRPO 如何评估优势值15.KI 散度前的系数有什么含义，应该怎么设置16.对reward hacking 问题的认识及解决办法17.强化学习的灾难性遗忘的问题18.怎么看待强化学习的未来19.对强化学习算法本身的认知，对其研究和落地怎么看

1.实习介绍2.问基于R1的复现工作，说一下ppo，dpo，grpo原理？数据怎么来的？数据有做什么处理？reward是基于规则还是模型？规则设置是怎么样的？训练过程中有遇到奖励消失的问题吗？训练框架采用什么？3.询问智能手机助手项目，让介绍项目？为什么用ppo？奖励是怎么设置的？数据怎么来的？你觉得你们这个模型泛化能力够日常生活场景吗？4.询问我对于推理的理解，为什么模型能具有推理能力？实习时长是否接受？5.介绍他们组在做什么？反问实习生会参与哪些工作？回答偏算法设计，数据会占一部分但是少量无手撕