节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。

针对大模型技术趋势、算法项目落地经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。

总结链接如下：

• 《大模型面试宝典》(2024版) 正式发布

喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们

---

最近小红书又准备优化员工，不知道对我们是否有影响。

这是前段时间我第一次尝试跨方向找算法岗，红书面试官还是很喜欢拷打的，会关注我这种CV多模态背景的推荐算法基础怎么样。

小红书三位面试官给我的最大启发:是否能把自己的所学，用于解决特定问题(即便不是相关背景)，才是候选人身上最大的闪光点。

一面

• 论文问了十多分钟，细问课程学习怎么设计的，怎么判断样本可靠还是不可靠，训练流程。

• 多模态比赛细问难负样本挖掘怎么做。

• 写一下你用到的图到文的对比学习 loss 代码。

• 如何理解 embedding？

• 之前了解的推荐模型有哪些？把你刚刚说的多路召回和排序模型讲一下。

• self attention 公式写一下，定量解释一下为什么要除以根号 dk？

• 了解哪些 loss 函数？交叉熵, triplet, hard triplet, 对比 loss，mse loss，对抗 loss，focal loss。

• 目前主流的开源大模型体系有哪些？

• 使用过开源大模型有哪些？

• prefix LM 和 causal LM、encoder-decoder 区别及各自有什么优缺点?

• 做过那些大模型的研究和实践

代码考察

一个长度为n的整数数组nums，其中nums的所有整数都在范围[1,n]内，且每个整数出现一次或两次 。

请你就找出所有出现两次的整数，请实现一个时间复杂度为O(n)且仅使用O(1)额外空间的算法。

二面

• 自我介绍

• 对推荐算法模型有什么了解，BST 和 SDM，介绍一下 SDM?

• 实现一个 Conv 的代码?

• 一层 Conv 计算的时间复杂度是多少?

• 激活函数了解哪些? sigmoid 能用在哪些场景?

• 为什么sin cos不能用作激活函数?

• 二分类为啥不用 mse loss?

• 项目里为啥会用到 GRU? 跟普通 LSTM 的差别你了解吗?

• 讲一下 BERT 的结构，为什么 BERT 很强大?

• BERT 的 MLM 任务为啥会有效果?

• 大模型的幻觉问题

• InstructGPT 三个阶段的训练过程，用语言描述出来

• 大模型推理加速的方法

• Deepspeed分布式训练的了解，zero 0-3的了解

• LLM的评估方式有哪些？特点是什么？

代码考察

• LeetCode 接雨水

• LeetCode 最大连续子数组乘积

三面

• 上来先写个二叉树的题目，由于树当时刷的不多，最后在面试官指导下发写出来了

• 平时如何自学推荐算法知识？看过最近的推荐论文吗？

• 难负样本一定有助于模型训练吗？

• 论文中 attention 不会导致很大的训练开销吗？

• 看做过域泛化的工作，解释一下 domain generalization 原理？为啥你的方法能 work？

• 如果训练语料和测试存在很大 gap ，你觉得域泛化的学术方法能帮助解决吗？面试官看我洋洋洒洒介绍，笑着说工业界很多方法不喜欢花里胡哨

• 为什么 transformer 会比 GRU 更有效？有实际对比过吗？

• 如果能来实习，每周能出勤几天？

资料获取和交流

技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。

成立了大模型算法技术交流群，相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2040，备注：来自CSDN + 技术交流

通俗易懂讲解大模型系列

• 重磅消息！《大模型面试宝典》(2024版) 正式发布！

• 重磅消息！《大模型实战宝典》(2024版) 正式发布！

• 做大模型也有1年多了，聊聊这段时间的感悟！

• 用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总

• 用通俗易懂的方式讲解：不要再苦苦寻觅了！AI 大模型面试指南（含答案）的最全总结来了！

• 用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer

• 用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战

• 用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！

• 用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了

• 用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型

• 用通俗易懂的方式讲解：ChatGLM3-6B 部署指南

• 用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了

• 用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统

• 用通俗易懂的方式讲解：Llama2 部署讲解及试用方式

• 用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路

• 用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术

• 用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？

• 用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法