继续来分享下最近的面经~欢迎友好讨论，信息共享1.项目背景2.要解决的问题3.要解决问题的难点4.技术方案选型5.最终如何确定技术方案6.Qwen3-VL embedding 是怎么做的7.是怎么提取图片的8.用的什么提取器9.最终怎么嵌入到文本里10.怎么定义 DPO 训练集是高质量的11.DPO 训练数据量是怎么确定的12.数据量确定是拍脑袋，还是有原则13.为什么不用 SFT14.SFT 数据质量要求高体现在哪些方面15.如果现在用 SFT 去解决这个问题，从理论上能不能解决16.为什么不用 GRPO 解决，而是选择 DPO17.说一下目前强化学习的问题和解决思路

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.聊聊项目2.秒杀券怎么实现3.分布式锁，可重入，锁超时4.消息队列的消息挤压问题5.可以设置很多consumer吗6.消息队列怎么保证消息可靠7.redis的数据类型8.大key怎么解决，有什么危害9.多线程的并发工具有哪些10.concurrenthashmap11.unsafe了解吗12.算法：全排列13.mysql主键什么类型14.为什么自增15.索引的底层原理是什么

压力拉满，考得比较深1- 问项目2- 为什么选择grpo不用sft，技术选型，什么时候用sft，什么时候用蒸馏，什么时候用grpo3- grpo训练中观察什么指标4- 八股：5- grpo 的 loss 讲讲6- Advangates 怎么算的，在整个训练中起什么作用，为什么需要Advatanges，直接用奖励去算不行吗？7- 重要性采样，为什么需要。如果一次新策略和旧策略差别很大，那重要性采样还有用吗8- grpo的kl散度和ppo的kl散度是一模一样的吗9- ppo grpo 是on-policy还是off-policy10- ppo中advantages是怎么得到的？11- 信用分配，grpo中，比如一个采样结果，是序列级别的，如果这个序列的最终奖励高，那么是如何分配到每个token的12- Agent 做多轮工具调用 和单轮，可能有什么挑战？13- code：x 的平方根（只保留整数部分）

发点面经攒攒人品～1.Pretrain 和 SFT 分别解决什么问题？2.Transformer 的基本结构怎么理解？3.多模态模型的大致结构是什么？最容易踩坑的点通常在哪里？4.SFT 数据如何更贴近业务：如何避免过度模板化？如何做基础的 train / test 去重来避免评测失真？5.对齐（ RLHF / DPO 等）整体思路是什么：为什么需要偏好对／奖励信号？6.玩过 Openclaw 吗？了解其的记忆机制吗？7.如果检索返回了很多相关的内容，如何选择最相关的？8.了解 embeding 吗？9.了解过 spec-drivening 的 code agent 吗？10.了解上下文压缩机制吗？11.为什么压缩前 70%？最开始的几轮对话明确需求不是很重要吗？

本人双九硕，主攻多模态算法方向，理解与生成方向均有相关经验。除腾讯外，大部分岗位都是三月中旬投递，整体流程周期基本在两周左右。各厂进度汇总高德：三面已 OC投递的是研究岗，内心还是更偏向做研究方向，如果没有更合适的选择，大概率会接这个 offer。腾讯：四面 OC，已拒绝三月初投递，被 WXG 捞起，近期才给到 OC，但还是选择拒绝了曾经的理想方向。字节：HR 面通过，已拒偏业务向岗位，代码面试考察得非常深入，原本以为会挂掉，没想到顺利通过，不过考虑到转正率偏低，最终放弃。百度：二面失利偏向半研究半业务，方向不算特别契合，面试过程中双方思路存在分歧，整体体验一般。淘天：一面秒挂算是第一次体验到面试后快速结束流程的情况。阿里控股未来生活实验室：一面挂从多模态生成到理解被深度追问，很多问题确实超出了知识范围，但面试官会耐心讲解，面试体验极佳，也是本人最心仪的团队，遗憾未能通过。阿里云：二面待后续二面面试官暗示通过，目前还未安排 HR 面。面试覆盖论文、实习、基础知识与开放性问题，对基础功底要求极高。千问通义：仍在简历评估一直在等待被捞面试，希望能有机会。快手：简历未通过此前未投递过相关岗位，不清楚简历筛选未通过的原因。蚂蚁：笔试失利笔试前没有针对性准备机器学习题目，答题情况不理想，目前简历持续评估中。米哈游：简历未通过自嘲大概是原神游玩时长不够吧。其他企业暂时还未进行投递，暑期人才计划早上刚投递，下午就收到拒信，确实难以企及。整体感悟体感上业务类岗位比研究岗更容易拿到机会。原本计划深耕多模态理解方向，面试下来却发现接触到的多模态生成相关机会越来越多。面试核心围绕论文、实习经历与实际场景展开，八股文考察极少。手撕代码的环节也没有想象中频繁，多数仅在一面进行考察，后续面试很少再涉及。