依旧自我介绍 未来规划 如何平衡学习和任务 还有一些校园经历深挖 定性调研/定量调研更偏好哪一个 用什么工具？ 访谈的用户如何选择？ 你想了解用户对于新职业看法，但来访情绪激烈，并没有回答新职业的问题，你该？ 玩过名下游戏吗 好了其他忘了，问了蛮多校园经历挺意外

大模型数据算法实习生 2026.01.09，上午10:00，一面，线上，30多min，只有自己开摄像头，面试官没开 1.自我介绍 2.有没有用过正则表达式处理过数据？ 3.假设给一个jsonl数据，和几个关键词，jsonl数据中命中3个以上关键词保留，让用python实现（用了两层循环） 4.往列表里添加一条数据是什么方法（append） 5.python中的多进程和多线程有什么区别？网络请求中是

1.实习介绍 2.拷打项目 3.AUC如果出现波动，应该如何分析 4.测试集情况，哪些红哪些绿（细说） 5.分析baseline中为什么之前没有这些东西（emm） 6.手撕：有10000大小的数据集，内存放不下没办法一次性shuffle，但是你有一个shuffle_100（），在不随机写10000的情况下如何借助硬盘进行全局公平shuffle。 7.提示：可以用10个文件进行随机写，但是不能随机1

1.自我介绍及项目经历 2.如何增强模型的多轮对话能力？ 3.介绍MoE （混合专家）架构核心优势。 4.阐述大模型训练与推理的完整流程。 5. 对比 LORA 微调 Qwen 模型两种微调方式的性能表现。 6.FlashAttention v1 和 v2 的主要改进点分别是什么？ 7.CoT（Chain-of-Thought）训练数据是如何构造的？ 8.当前主流的强化学习算法有哪些？ 9.代码：

AIGC算法实习生 2026.01.12，下午16:00，二面，线上，40多min，只有自己开了摄像头，面试官没开 1.自我介绍 2.拷打简历 3.介绍RAG 4.嵌入模型是什么？为什么要把文本转换成向量存储？ 5.手撕：原始字符串1112234443556666，输出112234435566（就是超过3个相同的字符，保留两个） 6.解释：lr，batch_size，step，epoch，迭代一遍

1.项目相关 2.如果是做生成式召回应该对模型结构怎么修改 3.常用的归一化方法有哪些 4.从样本里随机去掉一些负样本，Auc怎么变 5.DPO的全称是什么，公式是什么，直接体现在哪里 6.MOE激活的分布，怎么确定是MOE的效果 7.dpo的公式是什么 8. sgd是什么，Adam相对于sgd改进了什么 9.kvcache怎么做的，了解大模型中别的提高效率的办法吗位置编码 10. 正余弦位置编码

1.自我介绍 2.问项目 3.wide&deep结构 4.deepfm结构，和wide&deep区别，wide和fm部分具体是什么有什么区别 4.MLP和DNN的区别 5.手撕求前k个最小值，用了最小堆，问了最小堆是用什么排序实现的 6.手撕子集型回溯，没注意到给的列表可能有重复元素， 被问到了，回答用哈希记录然后跳过重复 7.DIN结构，外积的物理意义 8.除DIN外还有什么序列建模方法，回答t

第一轮项目领导面 1.结合你的简历做一个自我介绍2.结合项目展开说具体做了什么工作（先说总体目标是干啥，以及每一步目标是为了什么）回答模板：项目的服务对象是谁？这个项目能为他做什么？3.用的什么向量数据库？4.问答模型、RAG、知识库的向量化处理这些你都做了吗？怎么做的？5.这个过程中你怎么去设计的向量库？什么向量库？6.画出典型的RAG结构7.机器人售后项目数据治理工作包括那些？8.你对dock

文心一言 大模型算法实习生 2026.01.15，上午11:00，一面，线上，1h左右，只有自己开了摄像头，面试官没开 面试官首先介绍了自己团队的工作，是百度文心团队旗下专注于代码大模型的相关团队，核心工作涉及模型的预训练，也包含后续的后训练工作，同时会进行数据策略的优化，开展数据分析等相关工作。 面试时录音了，以下是语音转文字后的简要结果： 1.自我介绍 2.拷打简历 3.你现在在北邮这边读书时

1.Transformer 中为什么要用多头注意力？单头注意力有什么局限性？ 2.GRPO 和 PPO 在 RLHF 中的核心区别是什么？ 3. vLLM 的核心优势是什么？ 4.为什么在推荐系统中引入RAG？知识库的数据来源和构建流程是怎样的？ 5.嵌入模型为什么选 BGE？FAISS 索引是如何构建的？ 6.RAG 的 chunk 划分策略是什么？ 7.什么场景需要GraphRAG？ 8.当输