1.多模态学习中常见的融合方式有哪些？早期融合 vs 晚期融合 vs 中间融合的区别和适用场景？2.CLIP 模型的原理是什么？它是如何实现图文对齐的？损失函数怎么设计的？3.Vision Transformer (ViT) 和 CNN 在图像特征提取上的优劣对比？4.什么是对比学习（Contrastive Learning）？InfoNCE loss 的公式和作用？5.大模型训练中常用的优化器有哪些？AdamW 和 Adam 的区别是什么？6. 请详细介绍你简历中提到的多模态项目：输入是什么？模型结构？如何对齐不同模态？7. 项目中遇到的最大挑战是什么？你是如何解决模态异构性问题的？ 8. 有没有做过消融实验？哪些模块对最终性能提升最关键？9. 如果让你将该项目部署上线，你会考虑哪些工程优化点？你的模型在训练集上表现很好，但在新场景（如不同光照/语言风格）下性能下降明显，你会如何提升泛化能力？10. 【LeetCode 300】最长递增子序列（Longest Increasing Subsequence）——要求写出 O(n log n) 解法。

一面你对测开这个岗位的理解说说你这个信贷项目的业务和你负责的工作你提到该项目是多端的，你是怎么测试多端的兼容性的（回答了用安卓、ios和鸿蒙测试机进行测试，面试官说你们都是手动的吗？我说这些简单的UI测试基本都是手动的，没有UI自动化），然后我又提到接口测试是用fox平台的你是如何进行接口测试的追问：你提到了fox平台，你是怎么使用它进行接口测试的追问：如何设置入参，除了mock还有什么别的方式追问：fox除了接口测试还有什么高级的功能（回答了测试计划和CI）追问：比如一个接口它有很多状态，你要怎么测试它的所有情况如果你发现了缺陷但开发不承认怎么办？上线前后的工作内容、灰度发布（回答了看gra...

1.CV和NLP的区别与联系2.在Transformer框架下，CV、NLP、语音是否可能统一？3.大模型训练数据清洗、处理、配比的方法4.大模型训练如何更容易提升模型性能5.Encoder与decoder的中Attention区别?6.Attention如何计算?为什么除以根号下Dk?mask attention是如何实现的?7.讲GQA、MQA、MLA原理。8.为什么要用位置编码?为什么要用sin_cos?9.问之前实习的Agent的设计逻辑，问创新方法的实现。10.你提到用DeepSpeed做SFT训练，请讲一下DeepSpeedZeROStage1-3的区别，以及什么时候用FSDP会更好?11.什么是大模型的幻觉，如何缓解12.为什么会有复读问题，业内有哪些解决办法13.大模型工具调用的实现方式14.Agent的组成部分及实现方法15.问Agent的工具tool的设计，是否是workflow形式。16.了解哪些agent开发框架，例如langchain和Llamalndex，核心应用场景有何不同?17.问数据的输入输出格式如何保证大模型输出稳定的json做了哪些工作?18.开放题:你在大模型训练中遇到过的困难，如何解决?19.代码题:实现一个Tokenizer

因为疫情那几年，太多企业转变为线上面试，学校当时综合考虑后保就业率，选了1个教室当作面试间，一个是杂物间的房间方便学生进行面试后续这个房间，第一次面试还是太紧张了好多都不会纯纯的给主播面昏头了基本上没回答上来，好在hr人不错叫我别那么紧张现在想起来人生的第一次还是太容易紧张了，后续面多了就好了，很多事情开头做了以后就会慢慢轻松了。