1.实习介绍2.transformer为什么比RNN好，有没有scaling law3.介绍一下新闻推荐的项目4.新闻推荐比赛的正负样本怎么确定5.了解生成式推荐吗?6.SID如何训练的7.Tiger为什么不采用decoder-only的形式呢8.否熟悉推理优化中的flash-attention和KV-Cache?9.KV-Cache出现在训练中还是推理中?10.为什么不出现在训练中使用KV-Cache?11.注意力的优化是否了解?12.手撕:接雨水

1.拷打项目2.八股主要是RL，PPO和GRPO3.了解RL吗，介绍一下GRPO4.GRPO采样代替价值函数会带来什么问题，有什么优化方式5.问了偏向research还是工业界6.手撕编辑距离

1、实习介绍2、详细挖简历A 、项目的思路、爬虫怎么防止反爬、有多少个epoch、为什么微调效果92%，剩下的8%是什么原因有分析吗、有没有别的思路解决这个问题B 、lstm的原理、比rnn好在哪里C 、实习详细介绍、xgboost和lightgbm的区别、样本不平衡怎么解决、有更大的内存更多的显卡会怎么处理这个问题3、手撕：查询第K个最大的数

大模型算法，30k×16+qzf，base太低拒掉了

1.八股：LoRA 和全参数微调的核心区别是什么？在显存和训练效率上各有什么优劣？2.八股：DPO、PPO、GRPO 三者的优化目标有何不同？为什么 GRPO 的 loss 中要显式加入 KL 散度项？3.八股：Transformer Encoder 中 FFN 的作用是什么？4.八股：什么是 DeepSeek 的 MLA？它的优势是什么？5.项目: 你在实习中用 LoRA 微调了哪个开源大模型？具体 rank、alpha、dropout 是多少？为什么这样设置？6.项目：SFT和DPO 数据是否有重叠？DPO 的偏好数据是如何构造的？人工标注成本大概多少？7.项目：你们的 RAG 系统召回阶段用了 BGE-M3 还是 BM25？最终选择依据是什么指标（如 Recall@k）？BGE-M3 输出向量维度是多少？8.项目：为什么不用纯向量相似度直接生成答案，而要再过一遍大模型？这样做对幻觉和安全性有什么帮助？9.手撕：接雨水（LeetCode 42）

1. 假设你需要优化B站信息流广告的CTR预估模型，如何融合用户行为序列特征？◦ 追问1：你会使用哪些序列建模方法（如Transformer、GRU）？◦ 追问2：如何处理特征稀疏性问题？2. 描述一次使用深度学习模型进行点击率预测的经历，模型评估指标是什么？3. 解释广告投放中的动态创意优化（DCO）技术，如何实现广告素材的个性化推荐？4. 在多目标优化中，你的权重分配策略是什么？◦ 追问1：如何平衡CTR、CVR和ROI目标？◦ 追问2：会使用哪些多目标学习框架？5. 分享一次通过模型优化提升广告转化的经历，关键特征是什么？

1.实习介绍2.在建模这一块具体有做哪些工作，介绍一下causalimpact模型，深入的讲一下这个模型的原理和逻辑，他是怎么做的?3.讲一下MMOE这个算法的原理，专家网络和任务塔的区别是啥，你有关注到吗?有多个专家网络，如何避免他们学出来的结果是相似的?4.讲一下你对因果推断领域的了解，有做过uplift建模相关的工作或相关的资料吗5.代码手撕1.力扣复原ip地址2.力扣 求根节点到叶节点数字之和

1.八股：vLLM中使用的技术是否熟悉（如Paged Attention、KV Cache）？2.八股：了解加速推理框架DeepSpeed吗？3.八股：MoE模型专家的负载不均衡问题如何解决？4.八股：如何通过修改损失函数来解决负载均衡问题？5.项目：SFT使用的数据集，使用了多少张卡？SFT训练多久？6.项目：SFT 的数据集是越大越好吗？会存在scaling law 吗？7.项目：SFT使用的数据可能和原始模型预训练时的数据分布有较大区别，怎么解决？8.项目：讲一下LoRA微调的原理，A、B矩阵怎么初始化的，LoRA微调秩设置的是多少9.项目：讲一下什么场景下用SFT，什么场景下用RL10.项目：为什么使用强化学习会存在训练不稳定问题？为什么业界还在用？11.代码题：lc129 求根节点到叶节点数字之和

1、实习介绍2、聊项目3、ppo dpo grpo区别4、reward获取方式分别是什么5、rag怎么解决模型幻觉6、为什么做nlp7、clip训练方式？temperture的作用8、算法题：三数之和9、反问(做文心一言coder模型预训练的)

1.上来聊了个人情况，毕业压力大不大，能否提前到岗实习。然后面试官介绍了现在的部门业务。2.介绍实习，都比较基础，是很容易准备的细节，但是奈何过了太久，实在是想不起来了。3.项目问题(新闻推荐)为什么从LGBM换成MMoE了MMoE遇到跷跷板了吗你觉得为什么会遇到跷跷板有没有什么办法能解决跷跷板GBDT，xgboost，LGBM主要的区别是什么4.无手撕5.反问

1. 先做个智力题说活跃一下大脑十袋金币里9袋真1袋假，每袋5个币，真币一个10g，假币一个9g，现在有一个电子秤，问最少称几次能找到那袋假币，怎么称。提示袋子里的金币可以拿出来，一次就可以2. 手撕翻转二叉树用的递归 问层数很深时存在有什么问题 然后用迭代做问时间空间复杂度 纠正了一些代码格式上的问题和可以简写优化的点3. 自我介绍4. 八股java和python有什么区别为什么有的python10行写出来但java要100行python不用考虑数据类型的优缺点为什么说java是编译预言python是解释性语言git用来干嘛 基于什么实现

1.Prompt是如何生成的，优化目标是什么，任务是什么？2.减少大模型幻觉，你用过哪些方法？3.介绍一下 beam search原理，与直接sample的区别？4.搜索准确性不高你怎么排查？5.召回、排序哪个阶段最可能出问题？6.在简历项目中，你用到Bert，你能不能介绍一下 BERT和GPT的训练方式(预训练任务训练细节)的区别？7.你在项目中做过哪些相关性优化？有没有量化结果？8.生成式搜索能否保证 top-1 的准确性？怎么提高？9.agent 服务高可用、稳健性是怎么保证的？10.生成式排序你了解吗？11.如何构造排序模型训练数据？如何解决正负样本不均？

1.项目介绍，问实习和论文2.目前大模型模型结构都有哪些3.什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型?4.prefix LM 和 causal LM、encoder-decoder 区别及各自有什么优缺点5.刚刚提到 MLA ，那 MLA 是怎么对 KV Cache 做优化的6.说一说大模型后训练的流程7.Qwen是怎么做长度外推的8.在 PPO 中，如何防止模型在微调数据集以外的问题上泛化能力下降？如何防止模型收敛到单一类型的高奖励回答9.代码：25.K个一组翻转链表

1. 实习介绍2. 介绍一下第一个项目3. 如果有一些其他特征，怎么融合入模型中4. 对图召回了解吗5. 对排序模型的了解6. 如果要对点赞率，转发率等指标进行预估，你会采用什么模型？7. Bottom shared模型和PLE模型的区别8. 解释一下负迁移和跷跷板问题9. 如何缓解跷跷板问题（其他角度）10. 粗排模型如何训练的更好？11. 粗排的样本选择和精排有什么区别？12. 用户冷启动怎么解决？13. 了解强化学习吗？（面试官应该是想让我从探索与利用方面来考虑冷启动）14. 手撕：Leetcode 59 螺旋矩阵15. 反问：业务范围