美团多模态大模型算法岗面经

整体感觉还是不错的，发一下问题供大家参考～八股吟唱：1、Pretrain、SFT、RLHF区别（目标、任务定位和解决的问题？）2、为什么偏好对齐不能直接用偏好数据做 SFT，而用RL3、Pretrain和 SFT 在优化目标上的区别4、SFT的loss是什么，若target有10或100个token，loss如何计算5、SFT 样本（含 prompt）与预训练样本在计算 Loss 时的区别，如何屏蔽prompt的Loss6、控制生成多样性的参数有哪些？怎么控制的？7、top-k与top-p 区别8、除了贪心，还有哪些生成策略？9、你对多模态的理解？10、最近读了什么论文？论文的核心亮点是什么？11、PPO和GRPO的结构区别，各自适用的场景？12、DAPO、GSPO具体做了什么改进？13、是否了解 Swift？DeepSpeed 与 Megatron 的区别手撕算法：交叉熵、Softmax、Self-Attention力扣139题 Word Break变种

1.介绍简历和项目；2.问了一些项目细节3.对于Agent的了解？对于RAG做了哪些优化？4.对于RL的了解，详细问了PPO的原理？5.问了一些场景题：比如单个LLM能否帮助用户完成行程规划（从出行到酒店，都订好票）？6.问了一些学校的事情，毕设做的啥之类的，为啥转行等问题

1.介绍下你的DeepReseach的架构2.项目是怎么实现human in loop的3.讲一下异步同步和并发并行的区别4.搜索的ReAct过程是怎么样的5.Agent搜索有遇到什么问题，怎么解决6.如何提升搜索的速度7.讲一下VLLM的原理8.你知道Flash Attention原理吗9.讲一下你说的这个R1-V的Qwen2.5VL多模态几何题优化过程10.你的训练平台和显卡配置是多少11.讲-下Advantage Actor-Critic12.讲一下PPO的clip函数，clip是梯度裁剪吗13.讲一下重要性采样14.讲一下PPO和GRPO的区别15.如果要用强化学习实现DeepResearch的优化搜索工具调用可以怎么实现，从数据构造到损失函数到奖励设置16.你有了解最新的一些工作吗?比如miromind,Qwen3-Next，deepseek的mHC流形约束超连接.17.手撕二叉树的奇数节点个数

候补不上车票 苦啊第一年上班给家里每个人包了一个小红包简直是入不敷出