感觉自己好菜、面试很难，还是要多多练习 发点面经攒攒人品1.拷打简历2.讲一下最近很火的onerec吧？3.讲一下rqvae和rqkmeans的区别？4.rqvea如何解决码本坍缩的问题？5.讲一下你了解的优化器？6.relu的缺点是啥？如何改进？7.针对一个优化点，如何快速上线一个模型？8.代码手撕auc9.智力题 赛马问题10.反问

发一下面经供大家参考，有面过同岗位的欢迎评论区交流1. 请简述推荐系统的主要模块（如召回、粗排、精排、重排）及其各自的目标。2. YouTube DNN、DIN、DeepFM这些模型你了解吗？请选一个简述其核心思想，并说明它解决了什么问题。3. 如果快手“发现页”的推荐结果，用户点击率很高但观看时长很短，你认为可能是什么原因？你会从哪些方向去优化模型？（追问：在优化过程中，如何设计实验（比如A/B测试）来验证你的优化策略是有效的？）4. 如何理解“探索与利用”（Exploration & Exploitation）困境？在推荐系统中有什么常见的解决思路？5. 在构建推荐模型的特征工程中，对于“用户兴趣”这种动态变化的信息，你会如何设计和处理特征？6. 推荐场景中经常遇到数据稀疏和冷启动问题。针对一个新发布的短视频或一个新注册的用户，你有什么策略？7. 除了优化线上指标，你认为离线评估推荐模型好坏，应该关注哪些评估指标？为什么？8. 请描述一个你课程或项目中与推荐相关的实践，并说明你的技术选型和思考过程。9. 你平时会使用快手吗？从推荐算法的角度，你观察到哪些有趣的现象或有待改进的点？

1.讨论表格 Agent；以及我认为什么是 agent 什么是 pipeline。2.写这个论文初衷是什么？ 用在业务上吗？3.GRPO、DPO、DAPO 区别是什么？4.DPO 的 loss 你怎么理解的？你们业务上用了 DPO 为什么这样设计？5.讲讲你认你的简历中什么是“感知、规划、执行、反思”？6.讲一讲你模型的混合推理是什么？和 qwen 他们的 instruct、think 模型有什么区别？7.GRPO 计算公式是什么？讲一下8.你给 contribution 给 nips 哪个仓库是什么？9.你还做了哪些开源贡献10.玩游戏吗？LOL 什么段位？你一般 lol 是怎么识别外挂的？，还玩过哪些 fps 游戏吗？11.手撕： 最长递增子序列

1.项目拷打为主2.介绍各个模块的优化思路3.为什么用grpo，你们对grpo做了哪些改进4.DPO和GRPO分别适用于什么场景5.介绍MOE架构及其强化学习方式6.详细介绍项目中的意图理解怎么做的7.对深信服有什么了解8.对工作地点有什么要求9.智力题：100级台阶，4个玻璃球，假设从某一层开始，丢下玻璃球会摔碎（高于该层都会碎，低于该层都不会碎），最少需要扔几次才能确定这个临界楼层

感觉自己好菜、面试很难，还是要多多练习1.项目拷打为主2.全模态的意图理解怎么做的，原理是什么3.Video信息是怎么用的4.omni模型是从头训练的吗？用的是什么模型5.是否有对比过其他的方案，证明你文章方案的卓越性6.在落地场景中，你的意图识别能否理解讽刺的意图7.数据标注怎么标的8.人工数据检验怎么做的9.详细介绍置信度机制10.为什么要把流程拆开，不考虑一个大模型直接端到端做11.手撕：给定两个数组，用连线把相同的数字连起来，但不能相交，问最多能连几条

Infra（多机多卡 / 效率 / GPU）1.大模型训推如何加速2.是否了解DeepSpeed3.对多机多卡分布式训练的了解4.怎么提高训练效率（时间、资源角度）5.训练的时候发现训练速度很慢，该从哪些方面去考虑以提高速度6.多机多卡训练的通信问题7.梯度累加的原理是什么8.是否有做过大模型在GPU上训练/推理的性能优化9.了解哪些模型的量化方法和加速方法10.训练时loss震荡可能是什么原因造成的

项目狠狠拷打40分钟八股1. 解释LORA训练方法2. 有了解传统精排方法吗，比如LTR3. 有了解Qwen3的embedding和Reranker模型吗4. 结合项目讲大模型训练的几个阶段的特点和异同5. 介绍GRPO、PPO、DPO，分别需要几个模型，需要训练的是哪些6. 重要性采样有哪些方法（裁剪、KL和加权归一）7. GRPO的算力资源省在哪8. 介绍GSPO的优化，腾讯最近出的SPO有关注吗代码1. Pytorch实现GQA2. 接雨水（两种方法）3. SQL题

快给我发offer吧....1.首先还是过项目，但是问的特别细致，尤其是一个Agent的项目，从背景，到动机，再到做法，最后的结果，都问的非常细，大概有半个小时的时间2.开放题:你觉得当前大模型还存在怎样的问题，有什么解决办法吗3.开放题:让你自己设计一个 Agent，会怎么做，为什么这样做4.找工作比较在意的点是什么，除了薪资还有什么5.对文心一言这个产品了解吗，有哪些优点和值得改进的点6.如果给你发 Offer，你到这个团队能做出什么贡献

1️⃣ 实习介绍2️⃣ 被问了很多RM相关的基础知识：1. RM的训练loss function2. margin的作用3. RM训练初始化时的loss值一般是多少，为什么4. 为什么有时会出现经过训练的RM，loss又变大的情况5. 现在有哪些新的RM范式，了解哪些GRM3️⃣ 我的实习工作具体做了什么，解决了什么问题，为什么不直接xxxx，如果把其中的某个部分修改会怎样4️⃣ 大模型数据相关（和我上一段实习经历相关）1. 什么是好的SFT数据，如何评价质量2. 什么是好的RL数据，如何评价质量5️⃣ 问了一些本科专业相关的基础知识1. RSA算法是什么，对称加密和非对称加密2. IPv4和IPv6的区别3. TCP是什么，解决了什么问题4. UDP和TCP的区别6️⃣ 大模型基础知识1. 介绍一下Adam，一阶动量、二阶动量怎么计算的，最后参数如何更新的2. DeepSpeed ZeRO-0 / 1 / 2 / 33. Data parallel、Tensor parallel、Pipeline parallel4. AllReduce怎么算5. 加载/训练LLM时，一般用什么数据类型；fp16和bf16有什么区别

1. 项目和八股1.RAG如何做rerank的2.LoRA参数计算 比如给你一个7B的模型  在优化器这块如何分配3.了解强化学习的什么算法   强化学习最新的po算法4.grpo如果对于这个数据 训练出来的一组score都是0或者1  这时候应该怎么办5.agent的几大部分6.agentic rl7.gui agent   code agent8.了解软件工程相关的吗  AI for se2.无手撕3.反问业务，做的 金融领域 agent 方向，偏开发

1. 实习介绍2. 看了今年哪些生成式推荐论文3. 然后聊了半小时onerec，重点在多模态tokenizer和语义id4. 拷打简历项目(infonce的温度系数作用，faiss ANN索引，正负样本，特征工程，推理测评指标等)5. RoPE和ALiBi两种相对位置编码的原理6. SwiGLU原理，比relu好在哪7. attention常规八股(根号dk，时间复杂度，为什么要分多头)8. 用过哪些大模型微调方式，LoRA微调原理9. 了解模型蒸馏吗10. 了解目前主流多模态模型吗，扩散模型公式怎么推导的11. 手撕: lc53 最大子数组和改为求出这个子数组

1. 实习介绍2. 常见的大模型，或者说VLM这块的模型，了解过哪些？3. Qwen 2.5 VL相对Qwen 2 VL做了哪些改进？4. 追问道了M-RoPE比原来的RoPE有什么改进？有什么优点？5. 原来的RoPE在升级成M-RoPE之前，它是怎么处理视频的？具体来说，对于每一个每一帧或者说每一个patch，是怎么处理的？6. 然后聊项目深挖项目可能会问七八个题目7. 算法题：lc70 爬楼梯（送分，3分钟写出滚动数组优化）8. 反问

1.简述一下项目2.有没有模型调优经验3.什么是学习率，对模型有什么影响4.batch size参数如何调整5.项目遇到的问题有哪些6.介绍一下目标检测的常用指标7.什么是精准度，查全率，如何计算8.c++熟练否，const static修饰符的含义，内存管理模式，智能指针有哪些有什么不同9.针对 洗手行为ai检测 提出具体的方案，如何获取数据集，如何训练，6flops使用什么模型，如何部署，熟悉瑞芯微吗，如果让你从头开发一个项目你可以胜任吗10.c++相比较python的部署优势有哪些

1. 介绍transformer2. 介绍self-attention的计算公式，为什么除以根号下dk3. 介绍multi-head attention，为什么要用的多头的注意力机制4. llama中的transformer跟普通的有什么改进5. 为什么要使用 rms-norm6. 排序用的point-wise还是pair-wise，为什么手撕：最长单调上升子序列