📍面试公司：快手🕐面试时间：25.08.17💻面试岗位：算法工程师❓面试问题：transformer的架构encoder和decoder的区别encoder block有哪些部分组成attention机制MHA工程上如何实现pre norm和post norm的区别pre norm的优势Pretrain的损失函数SFT的损失函数SFT是如何实现只计算output的损失RL中reward和 critic 的区别，各自是如何在工程里发挥作用的RAG中快速索引的优化方法有哪些用过哪些训练框架，是否有过多机多卡的训练经验是否遇到训练过程梯度爆炸，显存不足的问题？有哪些解决的trick手撕算法：伪码实现RAG🙌面试感想：上来直接问八股，有几个八股没答出来，面试官很年轻会给提醒，也不要求写算法题，直接让手撕个RAG思路。感觉面试官很看重基础和工程能力，没做过的话应该会聊露馅

📍面试公司：百度🕐面试时间：25.08.12💻面试岗位：大模型算法工程师❓面试问题：1. 如何评估大模型基座的推理能力2. 有哪些提高推理能力的方法3. RAG的流程4. retrieve模型的使用5. rerank如何融合多路召回的结果6. reward信号的设计7. 避免rewrard hacking的方法🙌面试感想：一开始调了五分钟摄像头和耳机，百度的如流真的有点太差劲了，其他都还好，面试官全程跟我笑哈哈聊天，认真跟我讨论每个细节，并且时不时点头认可，也没写题

📍面试公司：拼多多🕐面试时间：25.08.15💻面试岗位：算法工程师❓面试问题：1. 未来的职业规划2. 直接做题：最长的先递增再递减子序列3. 介绍项目4. 你的reward设计提高了多少5. 懂传统的机器学习吗？（我说不太记得了6. 你怎么学大模型的？7. 你平时时间是怎么安排规划的？8. 你为校招准备了什么？9. 还记得上轮面试哪里面的不好吗？（其实忘的差不多了🙌面试感想：倒是没啥压力，全是开放题

📍面试公司：小鹏🕐面试时间：25.08.13💻面试岗位：NLP算法工程师❓面试问题：1. Retrieve模型的训练2. Rerank模型的设计3. RL的reward设计原理，为何这样设计4. 职业生涯规划5. 开放性问题：LLM在汽车上可以有哪些落地场景手撕算法：区间合并🙌面试感想：面试官很和蔼，聊了很多，反问环节一直在聊天，还劝我一定要了解好一家公司的五险一金、年假天数等再选择，说毕竟刚毕业的学生太年轻，怕吃亏

📍面试公司：oppo🕐面试时间：25.08.11💻面试岗位：ai研究员❓面试问题：1. 知识图谱结构2. Rerank模型架构以及训练过程3. 模型鲁棒性的benchmark是怎么构建的？4. 只使用每次迭代的错误的垂域数据做benchmark不会过拟合吗？5. RAG鲁棒性的解决方案6. 讲论文手撕算法：约瑟尔问题（推理半天公式，最后没推出来，面试完写出来🙌面试感想：面试官很和蔼，体感很不错！

📍面试公司：字节跳动🕐面试时间：25.08.11💻面试岗位：大模型算法工程师❓面试问题：自我介绍 3min论文 10min吧1. 创新点是什么？2. 你和过往的多智能体做法有什么区别？（一直在说我的创新性不够，后面直接问我如果只是把多智能体用好了就别讲了聊了一段经历 25min1. 讲问题背景（讲了1min，说我太啰嗦，然后我用一句话浓缩了一下2. RAG怎么做的？为什么用这个embeding模型retrieve？这个embeding模型是怎么计算相似度分数的？为什么要再用一个Rerank模型？为什么还用了其他特征进行召回？为什么不直接用Rerank模型？Rerank的过程是怎么做的？既然有图谱为什么还要做RAG？3. SFT的数据怎么生成的？就这些数据量吗？SFT的loss是怎么算的？只计算输出部分的loss吗？为什么不计算输入部分的loss？手撕下SFT的loss计算公式。4. 你用的什么RL的算法？GRPO的原理？你如何修改reward模型？adv是怎么计算的，手撕一下公式？组采样是如何做的？手撕一下temperature算法题有序数组中某个数字的出现次数（二分查找寻找左右边界🙌面试感想：真的好压力，纯快问快答，面试官最多的两句话：“你要是答不上来或者没有思路，我们就过，不要浪费时间”和“说的有点啰嗦了，你只要回答我的问题就可以

📍面试公司：百度🕐面试时间：25.08.06💻面试岗位：大模型❓面试问题：自我介绍 10min聊了简历中的一段经历介绍技术方案 10min面试官提问环节 15min1. SFT和RL的数据量，数据怎么构造的？2. RL的方法？怎么使用KG修改reward的？3. PPO和GRPO的区别？4. 基座的选择？5. KG如何构造？6. 如何在KG上进行的RAG？7. 传统RAG的流程？其中有哪些可优化点？手撕 8min连续最长无重复字符子串反问 7min业务方向、技术方案、可使用GPU资源🙌面试感想：总体压力不大，更多是在聊项目细节，穿插几个相关的八股，手撕也很简单

📍面试公司：拼多多🕐面试时间：25.08.07💻面试岗位：算法工程师❓面试问题：自我介绍问了两段经历，无任何八股，没办法给大家什么经验了。一直在细聊，比如你这个不就是个分类任务吗，为什么不直接训练个分类模型？这个用LLM为什么会好？之类的。手撕环节归并排序（最痛苦的时候来了，忘了归并咋写了，在提示下写出来了，但写的好痛苦。面试官让我回去多写写题，这个会记录在面评了，如果有offer会影响职级。🙌面试感想：面试官人还是挺好的！

📍面试公司：美团🕐面试时间：25.09.09💻面试岗位：大模型应用算法工程师❓面试问题：1. PPO、DPO、GRPO分别是什么？为什么你选择GRPO？2. Flashattention的原理（原理答出来了，但面试官说还做了一个softmax的优化，使得可以让分块的qkv计算结果聚合，这点没答出来）3. 分布式训练的一些方法？deepspeed支持哪些分布式训练？zero1，zero2，zero3的区别？4. LLM训练中有哪些学习率和batch设置的经验trick？算法：最长递增子序列🙌面试感想：还挺简单的，不难

有懂哥讲一下吗

秋招到现在基本也面了20几场了，简历上的内容也都记的滚瓜烂熟了，因为有保底的选项了，但不是很满意吧，所以后面打算只面些想去的公司但是想去的公司里能面的基本面完了，该挂的也都挂完了，后面是不是就只能干等被捞了，如果没人捞是不是秋招就这样了，还有什么补救自救的方法吗

岗位：算法工程师 自然语言处理面试 timeline：7.31面试时长：1h面试问题：1. 详细聊了简历中的一段经历，比一面更细2. 在遇到技术难点时的解决思路是什么？3. 开放性问题：你怎么理解workflow，agent，muti-agent和agentic？手撕算法：手撕MHA面试感觉：个人感觉这次的面试还是相对容易的，面试官人很不错，没有任何刁难，手撕题出的中规中矩，反问环节非常有礼貌也很有耐心，体验真不错

岗位：算法工程师 自然语言处理面试 timeline：7.30面试时长：1h面试问题：1. 什么是RL？2. PPO、DPO、GRPO和GSPO的区别？3. 其他都是业务问题手撕算法：正则表达式匹配反问：反问业务和校招生培养模式面试感觉：面试官很温和，经历这块基本我讲的他都听懂了，八股GSPO讲的有点磕磕绊绊，但没有说我。