快手校招大模型算法二面

1.你这个xx实习的项目能展开讲讲吗？你主要负责哪块？为什么是你来做这块？2.自动化评估体系这里能具体说说怎么评的吗？哪些维度3. 多维度自动化评估体系，那每一个维度是怎么做的？比如你说的关键词匹配和问答对，这个流程怎么构建的4.图表的准确性你怎么评估的？怎么从markdown和HTML 里提取对应图表并比对的？有没有一些异常case举个例子？5.用了playwright去截图，那遇到报错或者渲染失败怎么办6不同设备模块比如交换机、服务器，它们的字段特征都不一样，那你怎么做统一化训练7.那你这个知识图谱底层是用什么数据结构存的8.用的是PAI吗？那有没有对比过比如说 igraph或者图数据库像GraphScope这些之间有啥区别9有没有用过一些大模型的推理？比如说用千问做辅助根因预测10你们这套系统的准确率和召回率大概是多少，那比如说没有到90%，你们是认为这个指标是OK的吗11所以它是系统推理出根因之后还需要人工check，然后才能执行故障预案，有没有哪一部分流程是完全自动化的12你们平台现在接的主要是底层设备指标，那有没有接入一些业务指标，比如订单失败率转化率这类的业务数据13我有个疑问就接入业务指标的话你需要知道整个平台的服务拓扑，那你们这个平台是怎么接入业务侧拓扑的？是自己做的吗？还是中台团队负责15.那你既然用过图数据库，你知道它底层的存储结构是怎样的吗？比如它是怎么组织边和节点的16.我们现在是两阶段推荐架构：第一阶段召回用的是embedding点积召回，第二阶段是MLP跟transformer做多目标打分。那你觉得在我们这么大规模的数据量下，如果要做real-time re-ranking，你会在架构上怎么做trade-off？怎么压低latency17.我们现在在做embedding精度提升也试过加cross tower、attention pooling 甚至meta learning，但发现一旦模型重了，就难以部署到线上实时系统。那你觉得在embedding learning的这个模块里，有哪些方案能在不严重影响线上性能的情况下提升语义表示能力

1．实习介绍2．选一个做的好的实习或者论文讲一下3．了解 RAG 吗， GraphRAG 的做法4．讲一下 FlashAttention 的思想和做法5．讲一下 RoPE ,目前常用的位置编码还有哪些， Ro PE 有什么优点6．场景题：如果要提升大模型的多轮对话能力，你有哪些可以改进的点7．代码题：56．合并区间

【一面】 1．介绍种 Attention ( MHA , MQA , GQA )的区别2．分别讲一下 Dense 模型和 MoE 模型以及二者的区别3．讲一下 MoE 的路由机制是如何做的？4．介绍 RAG 项目，讲一下 RAG 项目的亮点5．是否做过意图识别？如果要做意图识别，可以怎么实现？6．讲一下BM25算法原理7．讲一下 DPO , PPO , GRPO 的原理和区别，写一下 DPO loss 函数8．代码：lc15三数之和【二面】1． vLLM 中使用的技术是否熟悉（如 Paged Atte ntion 、 KV Cache )?2．了解加速推理框架 DeepSpeed 吗？3．MoE 模型专家的负载不均衡问题如何解决？4．如何通过修改损失函数来解决负载均衡问题？5． SFT 使用的数据集，使用了多少张卡？ SFT 训练多久？6．微调项目是如何模型选型7．如何做微调的？直接用 PEFT 库，还是用 LLa ma Factory 做的？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.八股：Transformer的计算复杂度分析，写伪代码2.八股：多头和单头的情况下有什么区别3.八股：DeepSeek R1的创新点和优化点？4.项目：介绍实习经历，并选一篇论文进行讲解。5.项目：提示工程的主要方法有哪些？有哪些优化技巧？6.项目：LLM怎么微调的，数据量多大，各数据配比多少7.项目：SFT和强化学习各自有什么优缺点，分别适用于什么场景？8.项目：大模型生成内容的评测方式有哪些，具体怎么操作？9.项目：大模型输出前后不一致怎么办，如何确保大模型输出内容的一致性？10.代码题：手撕sqrt(x)，保留6位小数