一面 1、项目介绍2、三段大厂实习经历深入拷打3、问了项目相关的很多八股(各种调优的方法包括AI应用相关的agent，rag方面的知识)4、没有手撕，可能是因为前面拷打了一个小时没有时间了?5、反问二面1、项目深挖2、详细讲一段自己的实习经历，做了什么事情(包括背景，方法论)，最后效果等等，感觉把我的文章在十来分钟内给他讲了一遍3、拷打刚刚讲过的这段实习的细节内容，如为什么这样做，为什么这样调优，为什么删这个，为什么加这个等细节问题，问自闭了4、八股拷打(这一部分很简单，基础八股)5、最大连续子数组(手撕)

实习拷打部分（值得记录的和开放题）： 1.场景内微调训练是怎么做的？增益点在哪里 2.多场景迁移学习的其他优化思路 3.长序列建模的检索方式？如何改进soft search检索方式的复杂度？了解哪些端到端的序列建模 4.项目中的llm4rec是预训练的，了解过如何实现端到端吗 5.了解过的端到端生成式推荐挑几个来介绍 6.开放题：在考虑更充足资源和基建的情况下 如何优化你的项目？（序列建模 llm4rec的角度） 无八股 代码： 最长递增子序列的变式，写两种方法

一面 1.项目介绍2.简历拷打3.双塔可以用于哪些环节?你觉得目前对双塔模型的研究还存在哪些问题?怎么优化?设计一个电商的商品召粗精链路?4.手推-下MSE的梯度回传?为啥01分类问题不能用MSE?5.长序列建模除了sim还了解哪些?6.场景迁移学习的思路有哪些?7.实习项目的收益点主要来自哪里?后续怎么继续迭代?8.代码:分发糖果9.买卖股票的最佳时机10.反问11.业务二面1.挑一个项目介绍2.项目拷打3.讲一下你对rankmixer的理解?4.对lm4rec的后续迭代方向有什么见解?5.讲一下最近很火的onerec?你认为onerec对你工作最大的启发是啥?6.attention为什么要除以根号dk?7.如果你这个项目资源足够的话，有没有考虑过直接端到端训练?8.手撕多头注意力机制9.代码10.反问

一面 1.挑一个项目介绍2.transformer计算的时间复杂度和空间复杂度，deepseek对transformer主要做了哪些改进?3.为什么要在推荐系统中引入rqvae?4.如何解决坍缩问题?5.对rankmixer了解吗?介绍一下?6.详细介绍一下Moe?优缺点各自是啥?7.训练模型如果loss不稳定，如何解决?8.了解lora 吗?9.代码:手撕mha10.反问:业务二面1.项目介绍2.bert的预训练任务是什么?3.bn和In的区别?在什么场景使用?4.如果qk变成同一个矩阵会有影响吗?如果一定要变成同一个矩阵，如何解决影响?5.介绍一下帕累托°?6.如何挑选特征?7.你对推荐算法中特征工程的心得有哪些?8.代码:实现交叉熵9.反问:组内有哪些方向