要求每天至少对话100次🤣现在必须得all in AI了

攒攒人品！有面试过同岗的朋友欢迎评论区交流1．实习拷打2．深挖项目，针对项目思路不断追问。3．大模型生成内容如何做去重过滤？4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？5．如果要在中文领域做Instruction Tuning ，需要注意哪些数据问题？6．LoRA 和 Prompt Tuning 有何区别，分别适于什么场景？

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目提问3.大模型的输入输出4.模型的SFT和PEFT训练的时候有什么小trick5.GRPO，PPO,DPO的算法原理6.什么时候用PPO，什么时候用GRPO7.场景题:有没有了解复读机， 如何解决复读机问题8.解释Agent和RAG原理9.算法题:最长公共子序列，环形链表

攒攒人品！有面试过同岗的朋友欢迎评论区交流1*你项目用了rag，讲一下整个rag流程2*介绍一下常见的文本分块方法3*如何对齐查询和文档的语义空间4*详细介绍下对比学习和infonce loss5*温度系数大或者小有什么影响6*为什么现在的大模型都是decoder only结构7*那bert能做生成任务吗？什么场景下可以做8*有哪些peft方法，有什么区别9*进行sft操作的时候基座模型选用chat还是base10*你用的什么框架sft？11*手撕：反转链表

发一下问题给大家参考，攒攒人品！1*Agent与Workflow的区别是什么？在实际业务中，你会根据什么标准选择对应的方案2*设计一个企业级Agent架构，如何实现 BFF、Tool Server 与 Worker 的多组件拆分3*在企业级Agent中，怎么实现安全与隔离？权限管理、审计与日志追踪具体的落地方案是什么？4*说一下什么是MCP？它在Agent生态中解决了什么痛点？5*MCP 有哪些具体的分类？Transport 层是怎么工作的？如何开发一个 MCP Server？6*谈谈你对 Claude Code、Manus 这类 Agent 产品的理解，它们的架构逻辑与传统 Chat Agent 有什么差别？它工程部分的能力是怎么实现的？7*如何实现 Claude 的 Agent Research 方法论？Deepsearch 场景下需要配备哪些工具？基础设施与安全挑战在哪里？8*在多轮对话中，分别实现 Short-term memory、Long-term memory 与 Task memory怎么做？9*上下文机制的完整实现流程是怎样的？说一下它的写入策略、读取策略以及 Rerank 的做法是怎么样的。10*当上下文超过 Token 限制时，组合使用 Rolling Summary、State Extraction 与 RAG 这三段式策略？11*说一下Prefix Caching 和 KV Cache 的原理。为什么缓存的是 K 和 V 而不是 Q？不再计算前缀具体节省了哪部分算力？12*引入 Prefix Caching 后，Attention 的计算复杂度是怎么下降的？13*Few-shot在Agent评测中是为了提升能力还是降低方差？在评测Pipeline的哪个阶段注入？如何防止过拟合？14*对比一下Transformer中Self-attention与FFN的作用差异。15*为什么 Prefix Caching 只能优化 Attention 部分，而无法优化 FFN 部分？16*从 Softmax 的数学角度解释，为什么在计算过程中加上负无穷就能让注意力权重变为 0？17*什么是掩码？你分别说一下Causal Mask与 Padding Mask 的作用是什么。

1.拷打项目和实习2.问ai agent的了解3.国内几个agent平台对比4.会不会前端5.介绍了下前段产品实习画的原型图的设计逻辑6.反问:他们现在在做的业务

实习项目提问用的模型参数量有多大？Prompt engineering的方法？有没有自动化的方法？有什么方法避免出现安全问题和幻觉问题？Transformer结构decoder部分训练和推理有什么区别？decoder预测时i位置预测出来了，然后预测i+1位置，那么是用i位置的token结果还是概率结果？为什么？Decoder only参数量估计FFN中一般把d扩大到多少？KV-cache的空间复杂度为什么用MMOE？从scaling law的角度去回答code：编辑距离

1、自我介绍 2、HSTU用作encoder还是decoder？ 3、传统DLRM与生成式推荐的区别？ 4、SASRec了解吗，讲一下？ 5、Transformer 的encoder和decoder的区别？ 6、decoder的mask是怎么做的？ 7、HSTU的mask是怎么做的？ 8、HSTU 与Transformer的区别？ 9、了解过HSTU 源码中召回和排序是怎么做的吗？ Code: 1、交换链表两两之间的节点，分析时空复杂度。 2、三数之和。

介绍部门业务，主要是广告算法问倾向做偏研究性的还是业务性的算法岗手撕1:  寻找有序数组中，target的出现次数，要求小于O(n)的时间复杂度手撕2：查找数组第K小的元素 讨论实现思路要求时间复杂度小于O(nlogn)实习的LLM经历拷打八股如何增加模型泛化性？归一化方式，layernorm和batchnorm的区别和计算方式，为什么要有归一化Transformer架构中，TOKEN 间交互和TOKEN 内交互分别在那些模块中？为什么基于attention的加权融合方式有效

岗位主要是搜广推算法相关的，但面试过程中基本没问，面试总时长约1小时。简历拷打得特别细，会根据两三个项目着重提问，刨根问底地问四五层，直到没法答出来（会很细地抠模型和数据，包括模型的具体结构，数据来源和量级等，一定要定期复习做过的项目）。八股考了激活函数公式（relu，sigmoid，sigmoid的导数），RNN、LSTM、Transformer（主要考察attention）分别的原理、模型的重要公式、模型间的对比。代码部分有两题，第一题是搜索算法（涉及深度优先广度优先）。第二题是比较简单的旋转矩阵（转置后每行reverse）。总体而言，节奏最紧，强度最大，但也是少数开摄像头面试的面试官。反...