攒攒人品！有面试过同岗的朋友欢迎评论区交流1.项目拷打2.Transformer自注意力机制、位置编码、梯度消失/爆炸的解决方案。3.微调方法对比（Full Fine-tuning vs. LoRA/Adapter/P-Tuning）。4.推理加速技术（量化、动态批处理、FlashAttention）。5.如何优化大模型在长文本生成中的显存占用？6.RLHF中奖励模型（RM）的训练数据如何构建？7.为网易云音乐设计一个AI歌词生成系统，如何提升创意性和押韵效果？8.模型剪枝/量化（GPTQ、AWQ）、服务化框架（FastAPI+vLLM）。9.如何解决大模型API服务的响应延迟问题？

一、算法手撕+八股1. 手撕旋转矩阵优化 要求时间复杂度O(n²)空间O(1)2. LayerNorm和BatchNorm在训练时梯度计算有何本质区别？3. 推导MoE架构的负载均衡损失函数 如何避免专家坍缩4. 多模态融合中 对比学习损失和重构损失如何加权？5. 解释KV Cache的内存瓶颈 推导多头注意力计算复杂度二、项目深挖1. 微调Qwen时发现验证集loss震荡的可能原因2. 多工具调用中如何用DAG实现并行调度优化3. 长文本推理的压缩方案 对比Sliding Window和NTK4. 模型量化时遇到激活值异常溢出如何调试5. 自主构建的评估体系里 如何分离知识幻觉与推理幻觉三、场景设计为智能客服设计多轮对话系统

1. 自我介绍+介绍论文2. 介绍一下对推荐系统的整体的了解3. 知道哪些精排模型4. 了解DIN吗，讲一下DIN和DIEN的区别5. 介绍一下MMoE6. 介绍一下AUC的物理含义和计算方法7. 大模型在推荐系统的应用都了解哪些8. 了解Meta GR吗9. 找算法实习是专注于推荐领域吗？还是说有投大模型的岗位10. 手撕：lc143 重排链表讲思路+写+逐行讲代码

自我介绍2min拷打项目损失函数设计LoRA吟唱手撕MHA看你除以了根号k 有什么作用梯度消失和梯度爆炸 如何缓解QKV代表什么 说说理解如果QK变成同一个矩阵你觉得有什么影响除了LoRA还有什么微调的方法 实习并未拷打做的主要是Agent相关的简单问了下RAG和CodeAct就过了 手撕面试官说出个简单一点的，n个长为m的升序数组，找TOPK