滴滴26秋招算法面经

八股:
1.为什么图像要划分patch，对应物理含义，对比联系nlp文本
2.不同loss应用任务场景，解释loss怎么算
3.lora原理，初始化，为什么，对比sft
4.图像分割任务数据少，不同场景数量不均衡怎么解决，过拟合欠拟合，怎么解决，除了加数据呢，除了改loss呢(还说了数据增强)
5.训练网络过程的一些优化
6.batchnorm和layernorm区别，为什么用，在哪里用
7.attention及其变体原理，cross attention的qkv来自哪里
8.其他的记不太起来了，都是基于简历和组内业务的延伸好像，总结来说都不难。

简历拷打内容:
1.自述最得意的paper和实习*1，你觉得你做得最好的一点在哪里。
2.期间穿插模块细节询问，实现手段，觉得有什么问题，怎么改进。
3.询问自己做的一个小demo，各个模块设置的动机，然后开始压力我，面试官觉得某些部分没必要，问为啥这么设计，解释和对比效果后面试官看起来还是满意的。

其他:
1.你有xxx的offer了为什么还要考虑这边？
2.未来规划
3.base地倾向
4.薪资预期？(我寻思也没给我发意向啊
5.算法题:括号生成

反问:
1.强度，说是比较wlb
2.业务内容