上来两道代码题：二叉树路径总和（是一道hard） 不限制路径起点 终点是根结点或者叶子结点，不能返回数量，要返回路径。第二道题是跳跃游戏的变体，动态规划，细节记不清出了，就是跳跃游戏变体，相对容易。这俩代码写了二十多分钟，然后我以为代码考核结束了，结果问我八股文了，sigmoid写一下，bce loss写一下，为什么分类用bce不用mse，从梯度角度解释一下，公式推导这些就过去四十多分钟了后面又问了我ppo dpo区别 重要性采样是干嘛的 grpo和ppo区别，写一下ppo的loss 写一下dpo的loss继续又问了我实习期间多模态embedding咋提取的，用的什么模型，了解多模态大模型不，qwen-vl啥的，架构是啥呢？又问我grpo时候reward model咋训练的又问了多模态赋能cvr，llm赋能cvr

1. openAPI的缺点2. 专业不对口，为什么想搞AI？3. 如何弥补编程、算法能力和计算机科班的差距？4. 无监督算法有哪些5. XGBoost & GBDT6. K-means的K值确定7. 防止过拟合的方法8. 早停法9. L1正则化和L2正则化区别10. 手撕-通过模型打分与人工打分看模型可靠度不限语言，随机数生成+配对t检验，写代码或公式都可11. 浅问了一下数据处理相关经历12. 如何构建评测集

1. 介绍自己的项目2. LLaMA和GLM的区别，模型架构等方面3. BLEU和ROUGE4. 数据量和这个效果之间的关系是什么样的5. LLM的参数介绍（temp topk top p等）6. 长度过长怎么处理，从是否fix原有模型回答。（BPE 扩展词表，分阶段generate）以及从input直接回答7. PEFT的方式8. data construction的tricks6. 淘天客服部门1. LLM generate 参数问题2. slef-attention得根号d3. LLM的评估4. 介绍下simCSE5. 解决tokens不够的问题应该怎么办6. 详细介绍下deepspeed（三个stage结合参数回答）7. gpt和llama的区别（模型结构上的）8. LORA论文讲一下，对比p-tuning9. LLM训练的时候为什么warmuppretrain数据量大，前面的数据量占比小，可能带来bias参数量大，初始化的时候w是随机的，防止爆炸10. 对比学习中的batch size是大一些好还是小一些好->大一些，甚至可以到10k+，为了构造好的negative样本11. coding：给你一个数组，返回其中的前k个出现频率最高的元素，假设数组特别大，k很小