秋招虾皮面试分享
一面这次面了33分钟,过去他先简单介绍他们情况,搜广推部门啥的,自我介绍完,先问了实习做的啥,然后我讲完了点,然后面试官说后面不用讲了,然后开始问,相对之前相比的优点,也问了一些里面的细节,主要还是业务流程方面的,没有仔细问模型本身相关的东西。然后是关于后面是否能上线,有啥问题。还问了大模型实际提高速度如何做,我说选用性能足够的小模型,量化剪枝蒸馏。
后面的项目好像没问,毕竟确实也不怎么相关。
然后说既然是搜广推,出个算法题,模型预测的一个排序和实际的排序,如[1,3,2,5,4]和实际的顺序[1,2,3,4,5],设计一个函数给模型的输出打分,这块我大致思考了下,说了个思路,然后让实现,我就开始写
12345678910111213def main(): n = len(rank1) rank1_dict = {value: idx for idx, value in enumerate(rank1)} rank2_dict = {value: idx for idx, value in enumerate(rank2)} ...
秋招招联面试分享
一面这次面试的时间还挺短的,应该是22分钟,过去自我介绍完,先问了实习做的啥,然后大致讲了讲,然后问效果和之前的比如何,然后问了一些细节,是否上线。
然后问哪个项目做的深,第一个项目讲了讲,讲了大致背景和做法,都没有讲具体的结构流程,问了几个问题,包括数据、标注,和之前的比做的意义,做出的效果啥的,还有这个项目是不是自己做的,在其中什么角色。
然后问我如何职业规划和方向,想做啥,我说这些都比较通,都可以做。然后是城市的问题,这些城市我都差不多可以接受。
然后问我了不了解他们公司,这块我还真不怎么了解。然后问我有没有其他的offer,我说有几个在流程中。
最后反问,问了公司具体的业务,他们这个包括的比较多,CV、NLP大模型、语音这些都做。
秋招华为面试分享
一面15号的比较早,9:30左右,等了一会,叫号,过去面试,自我介绍完,先拿出来了笔试时候的题目让复盘一下,我用的还是投实习时候过的,正式批就没有笔试,简单看下,大致说出了思路。
然后说重点讲三个项目,我就讲一个实习+两个项目了。
开始问实习,也是介绍完之后问细节,具体也问了不少,然后讲第一个和第二个项目,讲完让手撕个题目,题目是一段01的比特流字符串,给一个target是0或者1,然后比特流只能变一位,求最多多少个连续的target,想了几分钟双指针写了出来。总体来说,一面还是比较友好的。
二面等了一会就二面了,二面过去自我介绍完,我讲完实习,就问了几个套路性的常用问题,大概不到十分钟,然后就给一个手撕题目,场景题,用卷积算二阶导,对图像做边缘检测。这个没怎么见过,没想出来,要用题目给定的方法做,大致写了下,然后就结束了,写的应该不太对。面试官直接说今天面试结束了可以回去了,然后就短信通知今天的结束了,进入系统一看,果然挂了。
这种手撕场景题不太好准备,没得办法,二面都没怎么问,手撕g就g了,这题真没见过,太难了,全程都没问八股,二面一堆项目都没问,实习问的比一面还浅,没办法。
我回 ...
秋招携程面试分享
一面10.16下午一面,这次面试体验很差,面试官过去之后不开摄像头,然后先自我介绍。
然后面试官让讲实习,就讲了下,后面问了几个问题,主要是指标相比之前的业务是否有提升,还有如何判断效果如何,和之前的比较有啥区别,这块也问了几个问题。
然后是讲第一个项目,到这面试官就已经开始不耐烦了,讲完就没问问题,然后开始八股,先问了池化层是什么作用,简单回答了下,然后问平均池化和最大池化的区别,回答完问了解SQL不,我说曾经做过一点,但不是太会,然后给了个SQL题目,我确实不太会,就让改成算法题,然后简单写了下,写完喊面试官几次都不应答,后面基本也都是嗯一下答复。
然后反问了下部门,面试官说了下,然后就结束了,感觉这次面试官不太耐烦,可能是我回答的不太好,希望能过吧。
秋招荣耀面试分享
一面这次是预定半小时的线上面试,最后面了35分钟,总体还行,首先过去在等候线上会议室签到,签到之后等下进去特定的会议,然后查验学生证和身份证。
自我介绍,然后面试官说时间紧咱们挑三个项目讲,就挑了实习+两个横向的项目。
首先问实习,也是先介绍背景和做了啥,然后是问细节,badcase怎么处理的,用大模型做这个流程相比之前的意义和优势,然后问我是否了解多头LoRA,我说不知道。
然后问了发了论文的项目,讲完主要内容,然后细节,各个模块是如何做的,都用了什么模型,是否进行了创新,然后问是否可以优化更改,我说可以,不过成本会更高,然后面试官问是否可以那样说更好,我说可以。最后问发的论文是不是人工智能领域的,我说是的。
然后是第二个横向的项目,这个时候时间不多了,让快点讲,我就快速讲完背景和主要方法和思路,问用了什么做的,我说分割,然后问具体用了什么模型,是否自己训练了,我说用的框架啥的,进行了训练,再问了一点细节。
最后又问了我是不是会CPP,我说会一点,但不多,涉及部署的用到一点会一些。
没有手撕环节。
然后反问是问了他们部分是做啥的,都有哪些业务,后面会不会进行部门匹配,就讲了他部 ...
秋招科大讯飞面试分享
一面这次的面试和之前的都不一样,这次问的非常宏观,这应该也和我投的岗位有关,我投的是AI研发工程师,这个和之前投的大部分都是算法工程师还是很不一样的,按照他自己的说法,这个岗是做除了模型性能之外的其他事,模型性能当然是网络结构,调参,其他部分应该就包括他们做的数据自动预处理框架,机器学习平台,推理框架,还有推理引擎,吞吐量和服务部署,还有量化剪枝TensorRT、Openvino这种了。
面试首先问的还是我的最后一个项目,这个项目涉及一些CPP和量化剪枝,这个问法和前面的也很不一样,问数据从哪里来的,如何处理的,模型是用的创新性的还是网上找的,性能调优调了哪些参数,具体部署如何做的,cpp部分有哪些,量化剪枝是否自己做的。项目包括几个人,自己在其中是什么角色,最后部署服务如何做的。
然后问前面的一个项目,问这个项目是如何设计的,流程是啥样的,还是几个人,自己在其中做的啥,然后部署怎么做的,这个具体涉及几个部分,我就讲了讲这个服务的设计和数据的流程,最终部署上线的情况,在其中如何根据具体的场景做了针对性的改进。他还是问了问这个平台包括什么部分,我做的具体是那块的平台还是其中的一部分,这块 ...
秋招拼多多面试分享
先说十一期间,十一当天下午阿里达摩院发消息要一会直接面试,我说下午有事,能否改成明天早晨,然后改完一会,面试官说要不你先笔试吧,我看笔试都已经10.12了,感觉不妙,也只能这样了,然后10.10直接被终止流程了,笔试被取消了。虽然达摩院我肯定去不了,但是这样一个笔试和面试的机会直接无也还是很难受,看来面试笔试尽量还是别推,不然一不小心直接无就难受了。
说到这不得不说科大讯飞了,九月中的线下面试,提前打电话说线下没有我这个岗的面试官了,然后说后面线上,结果过了三周了都没动静了,估计那边也不缺人了吧,应该也是直接g了。
一面拼多多这次面试我面的也比较一般,过去自我介绍完然后开始问实习的内容,讲完之后开始问细节,大模型测评用的什么标准,具体是什么,如何衡量好坏,样本构造正负样本如何设置的,效果如何评价,然后我说主要用的精确率,极度不平衡的情况下结果是否有可参考性。对语义解释部分如何正则化提取,遇到无法提取的多吗,有多少,如何处理的。
然后是问的LoRA微调是否了解,原理是啥,如何做的,显存和速度是否有提升,如何体现,在推理过程中显存和速度是否有提升。
然后是八股,问我微调用的什么模型,我说盘 ...
秋招滴滴面试分享
一面这次面的滴滴,刚好赶上交大线下双选会,就在交大的楼里面了下,面完十分钟就过了。
过去自我介绍完之后,面试官就问了下我之前的实习主要做的内容,也问了不少细节,不过大体也答了上来。
然后问了特征工程是如何做的,具体这块我讲了下数据预处理和筛选相关这些,实际场景一般怎么做的。
问是否做过大规模的分布式的数据处理,我说实验室没有这个条件,这块估计问的可能是hadoop这种,理论估计还是要了解下。
然后问了一些八股,过拟合如何处理,需要如何调节。
LoRA微调是什么,需要调节什么参数,啥时候调节啥参数,为啥要这样调节。
最后是手撕一道算法题,这个是个场景题,题目还很长,已知n个员工每个员工的工资,钱币有100 50 20 10 5 1六种,每个员工的工资都是这六种钱币的组合,现在要找出这n个员工的工资的组合,使得这n个员工的工资的组合的钱币数量最少,然后手撕了出来。
面完三天写的复盘,面试的时候问的哪些已经忘得差不多了,看后面约二面的时间。
二面10.17二面的还行吧,过去自我介绍完让我选一个印象最深的项目讲,我就没讲实习,讲了第一个项目,然后就问细节,这块问的也挺多的,比如路线是啥样,相比 ...
秋招理想面试分享
一面开始投的机器学习,最后被调到LLM了,本来以为会问很多大模型八股,实际也没有那么多,还行,面试了38分钟。
过去首先自我介绍,然后开始问算法八股,第一个是介绍一下特征工程,我就先从传统特征工程来说的,然以在面试官的提示下也说了数据预处理相关的内容。问RNN、LSTM、Transformer的区别,这块是经典八股了,差不多答了。
然后是问大模型的实习具体做了啥,这块我讲了好多,感觉后面面试官都不是很耐烦了,毕竟这块东西还挺多。然后是经典的问题,既然机器学习方法能做,为什么用大模型做,这块大致答了下。然后面试官问了解CoT不,我说了解一点,面试官说这个任务也是可以用CoT来做的,然后我也简单回答了具体做的相关性。
最后是手撕,给了个经典题,word1到word2最少的操作,插入、删除、替换,然后手撕了出来。
最后反问,问部门做啥,不同岗位之间的区别和调整,面试官说虽然这个岗是LLM,不过还是有很多机器学校方法等的内容,然后就结束了。
总体答的大差不差,不过感觉有一点KPI面,不过也可能是我自己感觉的,毕竟面试官也是很忙的。
二面10.23二面,面了差不多40分钟吧,这次面的感觉还行,这 ...
秋招蚂蚁面试分享
一面昨天有人加我,说是网商银行的智能引擎部门,主要基于蚂蚁集团大规模数据结合大模型,提升数据的感知和认知能力,帮助千万小商家的信用成长。部门包括多个NLP、大模型、时序和图方向,技术自由度高,且有业务价值。
然后约了今天上午的一面,今天上午到点是个电话面试,之前还没电话面过。面试首先自我介绍,然后主要讲实习的工作,他们这边应该是大模型比较相关的,所以实习相对契合一点。然后就开始非常细致的讨论实习做的内容,包括很多细节,文件如何处理的,如何表示的,如何训练的,任务是怎么样的,系统的架构,用了哪些机器学习方法,改进使用大模型的意义都有哪些方面,还有如何微调的,用了哪些方面,具体参数如何调整和设置的。然后问到LoRA,问为什么用,原理是什么,需要调整什么,啥时候怎么调整。总之这个问的细致程度基本是其他面试二面的强度,深挖一个项目,还是非常深入的。
然后面试官说看你简历里面有了解RAG相关内容,然后开始问相关的问题,原理是什么,为什么用RAG,解决了什么问题,还有相关的一些问题,最后问到向量表征都有哪些方法,如何做的,这个确实不是很懂,没怎么研究过。
然后反问,问了下后面有几面怎么安排,然后就 ...













