1.对技术细节不太care,在讲解过程中让我加速加速。讲完论文之后提问1.对当前学术界刷benchmark，但是大部分方法是在某个benchmark上刷的很高但是实际遇到一些bench之外的case就效果很差的现象？2.当前一些多模态大模型的理解定位能力是来源于后训练注入还是预训练？3.agent实际完成任务的能力如何？

一面： sft数据长什么样，困难case是什么样？有没有考虑做数据增广，有哪些数据增广的方式？query不规范，导致召回难度大，如何解决？如果原始训练数据当中存在大量噪声，如何去除这些噪声对模型的影响？手撕：爬楼梯

1. 主要问项目经历2. 特征工程细节，例如搜索词特征有没有做优化？序列特征怎么处理的？textcnn和attention区别？会一直深扒下去问的很细3. 数据采样优化细节，用模型预测法降低负样本噪声率时对潜在的hard_negtive的影响？（快手也问了这个），做样本优化时几版上线实验的效果，很喜欢问一些线上指标实验指标类的。4. 指标优化的时候有没有考虑到eCPM，这个没听说过后来发现是广告算法的一个指标。5. MMoE和PLE的区别6. Transformer吟唱，为什么除根号dk7. 聊一聊平时优化的异常case 手撕：hot100 二叉树的层序遍历屏幕共享力扣