一面 1. 问实习经历，用的哪个模型产生的数据，训练的哪个模型。2. 现在模型很多了，怎么去产生数据3. GRPO和DPO的区别，优劣4. 用sft+RL和纯用RL哪个效果更好，有没有实际的验证过下面问了几个场景题，估计是和业务相关5. 淘宝场景下智能机器人需要和用户、商家进行对话，收集的数据如何去训练reward model6. 可能会发现某些语句能解决商家和用户的问题，模型就一直产生这几条语句怎么办二面1. 介绍论文2. 介绍实习做的工作（因为是之前做的工作，如果放到现在该怎么去做）3. deepseek关于奖励的论文看没看过4. reward hacking是什么，该如何解决hr面1. 介绍一下学习方法2. 如何分配平时的时间3. 介绍论文和实习（可能hr不太懂，基本上是我单方面的输出）📳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。

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。

1️⃣一面 1. 介绍第一篇论文，reward model怎么设计。2. 过程监督的信号具体是怎么设计的。过程监督的信号还能应用在哪些地方。3. 如何保证强化学习的训练效率（平衡效率和稳定），grpo训练过程中出现了全0或者全1怎么解决。4. 混合推理是怎么做的（OpenAI GPT-5），大模型在增强推理的时候如何保证通用数据不遗忘。5. 现在大模型还有那些能力值得增强。6. 介绍第二篇论文7. 介绍第一段实习，介绍落地的场景。8. 写题，非hot100的模拟2️⃣二面1. 介绍第二段实习，中间会打断提问，问看过qwen2.5‑vl的报告了吗，问具体业务细节，强化学习数据集的构建方法，问部门几个人2. 介绍第一段实习，主包这一段实习是基座的，问了很多部门的情况，包括后训练、预训练、数据生成等等3. 介绍第一篇论文，介绍背景和方法4. 面试官感觉很真诚，共享屏幕介绍他们组的业务3️⃣三面1. 问是保研的吗，论文是研究生阶段发的吗，大四在干什么，研究生的毕业论文写好了吗，两篇论文是一个领域的吗2. 介绍第一篇论文，中途打断，说不了解你们这个领域，针对强化学习的底层设计，怎么去设计的，强化学习能解决什么问题，强化学习每一轮用的数据是多少，模型用的多大的，用小模型做强化学习效果会好吗，实验室里有多少张卡，训练的时候都用了几张。3. 研究生阶段在做科研时遇到了什么困难，花费时间最长的是哪个阶段，研究生有什么成功的经验，有没有失败的经历，发现某条技术路线不行。4. 你认为未来会有什么新技术，还会有强化学习这种路线吗，agent调用工具时工具需要很多参数，幻觉现象很严重，未来可能会有什么解决方案4️⃣四面1. 共享屏幕介绍论文，面试官听不懂，打开word讲述，问论文的创新点，输入输出是什么。2. 介绍第二篇论文。你的方法有泛化性吗，可以泛化到垂直领域吗3. 介绍第一段实习，问有什么经验，有哪些失败的尝试4. 介绍第二段实习，觉得我的介绍太平铺直叙了，说可以后面做个PPT📳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。

恭喜参加保拿offer辅导的同学26届 海本海硕 数学专业转算法  秋招收获百度和转转搜推算法offer 总包最高接近60w👍👍👍

恭喜参加保拿offer的同学26届秋招 双非本海外硕  收获百度算法offer 总包50w+。这个同学当时几乎0算法经历 学校背景也一般 今年七月份参加保拿辅导之后 经过3个月高效率冲刺 结果很不错[强][强]

恭喜参加项目辅导的同学27届 211本985硕 暑期实习收获高德agent开发/拼多多推荐算法/腾讯QQ大模型offer👍👍

🌟恭喜参加项目辅导的同学27届 985硕 暑期实习收获字节电商/百度/B站首页推荐算法offer👍👍👍

📳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。

📳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。

1.自我介绍2.介绍主流 Transformer-based 模型架构3.讲一下 LoRA 原理4.为什么 SFT 之后还要进行后训练5.讲一下 DPO 的损失函数怎么计算6.讲一下 GRPO 原理7.使用 GRPO 时，构造数据要符合什么要求8.熟悉哪些 Agent 框架9.如果要设计一个好的 Agent，除了大模型，还会设计哪些部分10.怎么构造高质量训练集11.Dense 模型和 MoE 模型有什么区别12.量化发挥作用的原理是什么13.讲一下 ZeRO-1、ZeRO-2、ZeRO-314.如果显存有限，会选择哪个方案训练15.算法题：LeetCode 56 合并区间📳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。

一、项目相关1. 项目一（RQVAE+HSTU）- 项目动机？- RQVAE原理是什么？为何有效？- HSTU做Beam Search时，如何避免首个id预测错误导致正确结果被剪枝？2. 项目二（agent）- 项目动机？- 简单介绍后训练、RL相关内容二、八股问答1. 分类模型常用损失函数？2. 为何CE/BCE效果优于MSE？3. 预测模型常用损失函数？4. 样本不均衡/长尾问题如何处理？5. Focal Loss原理？过/欠采样如何加权避免样本偏差？6. 正则化作用及原理？7. 简述多目标建模及相关内容三、手撕算法1. 二分法实现寻找峰值📳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。

📳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。

📳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。

📳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。