面灵AI→

快手二面:向量检索、Agent 上下文组织与 LoRA 原理

快手 AI 应用开发 二面

快手二面:介绍一个最能体现 AI 应用开发能力的项目,问是否做过大模型预训练/后训练/微调、用了什么向量数据库与检索算法怎么选、Agent 上下文如何组织、实习与个人项目分别用了哪些模型、是否接触过训推平台、了解哪些微调方法、LoRA 原理,最后手撕买卖股票。

2026-11

快手大模型算法岗面经(三):九场面试真题,从显存估算问到 GRPO 与手撕 MHA

快手 大模型算法 多轮

快手大模型算法岗(校招与实习)九场面试真题汇总:一面集中在显存估算、LoRA 低秩原理与 LSTM 门控,二面转向 Attention 的 shape、Prompt 长度与首 token 延迟、模型选型的 A/B 对比和数据集质量评估,后续场次深挖 DPO 数据来源、Rejection Sampling 与商业 API 蒸馏的取舍、RAG 为什么不分段、BERT 的 mask、MTP 与 GRPO 公式,最后是 DAPO 去掉 KL 后怎么防止跑飞、推理慢的原因与剪枝量化方案,每场都带手撕。

2026-11

快手 OneRec 算法岗一二面:生成式召回、单层 SID 与 DPO

快手 推荐算法(OneRec) 一至二面

快手 OneRec 算法岗一二级面:一面问生成式召回在推荐链路怎么落地(新增通路还是替换)、层级 SID 改成单层表征后输入输出变化与舍弃层级的原因、线上模型的迭代与全量/增量更新、特征与结果是离线预计算还是实时生成、长序列召回架构与损失设计、线性注意力与标准多头注意力的差异,手撕三数之和;二面问用大模型优化 OneRec 的完整落地思路、方案被全盘否决后怎么推进、单层 SID 的核心痛点与创新价值、DPO 与 PPO/GRPO 的适配差异、曝光消耗 ADVV 同涨怎么判断效果、LoRA 初始化与 RMSNorm/LayerNorm、AUC 与 GAUC 的选用边界。

2026-11

快手 OneRec 算法岗一二面:生成式召回、单层 SID 与 DPO(同题重发)

快手 推荐算法(OneRec) 一至二面

快手 OneRec 算法岗一二级面:一面问生成式召回在推荐链路怎么落地(新增通路还是替换)、层级 SID 改成单层表征后输入输出变化与舍弃层级的原因、线上模型的迭代与全量/增量更新、特征与结果是离线预计算还是实时生成、长序列召回架构与损失设计、线性注意力与标准多头注意力的差异,手撕三数之和;二面问用大模型优化 OneRec 的完整落地思路、方案被全盘否决后怎么推进、单层 SID 的核心痛点与创新价值、DPO 与 PPO/GRPO 的适配差异、曝光消耗 ADVV 同涨怎么判断效果、LoRA 初始化与 RMSNorm/LayerNorm、AUC 与 GAUC 的选用边界。

2026-11

小米汽车大模型算法:GRPO 追问到第五层,DPO 与线上灰度

小米汽车 大模型算法 一至二面

小米汽车大模型算法一二级面:一面从项目为什么引入 Agent 讲到 GRPO 完整训练流程、组大小 G 怎么取、规则 reward 与 reward model 怎么加权、Reward Hacking 的形式、Top-k 与 Top-p、PPO 与 GRPO 的差异、DPO 的 loss;二面问模型选型硬指标、没有完整监督轨迹时训练信号从哪来、业务规则写进 prompt 还是 reward、LoRA rank、灰度与吞吐、线上 reward 分布漂移怎么发现。手撕带障碍消除的最小路径和。

2026-11

卓望 AI 工程师校招面:异常控制流、LoRA 与全量微调、初始化对称性

卓望 人工智能工程师 一面

卓望 27 届校招 AI 工程师一面:自我介绍、Python 的 try-except-else-finally 执行流程与 finally 中 return 的行为、LoRA 与全量微调、QLoRA 的区别与适用场景,以及模型初始化方法与全零初始化的对称性问题。

2026-11

深信服 AI 测试开发一面:大模型与工程脚本的分工、LoRA 与 LangChain 三件套

深信服 AI 测试开发 一面

深信服 AI 测试开发一面(线下,约 11 月 9 日):先确认实习是否测试开发、数学建模竞赛的分工与规模,再挑一个最好的项目深挖——哪部分由大模型做、哪部分是工程脚本、为什么这么设计、是否独立选型、后端接了哪些外部系统、做得最好的点、Bad case 是否人工标记;随后问 pytest、数据集与指标、微调挑战与 LoRA、训练框架,以及 LangChain、LangGraph、LlamaIndex 三者的关系与区别,最后问主动推动落地的例子与个人优势。

2026-11

16 家 AI 公司面经汇总:8 道高频题与答题要点

多家互联网公司 大模型算法 多轮

汇总字节、百度、美团、滴滴、腾讯等 16 家公司 AI 岗面经后归纳出的 8 道高频题:不用框架手写 Agent 的模块拆分、RAG 召不到数据怎么排查、Agent 记忆管理与压缩、MCP/Skill 工具接入、KV Cache 与长文本显存、MoE 路由与负载均衡、LoRA 原理与 rank 选择,以及 Agent 开发与传统前后端开发的本质差异。

2026-10

BOSS 直聘 Agent 开发面经:从 Transformer、LoRA 追到工具调用率与意图路由

BOSS直聘 Agent 开发

BOSS 直聘 Agent 开发面经:八股从 Transformer 架构、微调方式、LoRA 讲到数据库索引的三个连环问,项目部分深挖 Agent 实习里的知识库效果排查、工具调用率、分层路由跑偏、残缺语义的意图识别,以及要不要用 skill 替代专门的意图分类模型。

2026-10

广州某小厂 AI 应用开发实习面试:LoRA 显存、PEFT 与量化的连环追问

某公司 AI应用开发实习

一篇非科班同学的 AI 应用开发实习面试记录(项目是本地跑的 LoRA 微调):LoRA 训练到底用没用显卡、微调是什么、为什么选 qwen3-4b、Transformer 分几部分、训练结果不符合预期除了调参还能做什么、怎么训的、用的什么模型(作者提 Codex 被面试官指出那只是框架)、PEFT 与量化分别是什么,作者自评基础差导致挂掉。

2026-10

华为大模型算法岗一面(同场另一份记录):注意力变体、专家路由与三道对齐算法的取舍

华为 大模型算法 一面

同一天华为大模型算法岗一面的另一份记录,题目与前一份一致:loss 不收敛排查、Transformer 复杂度、MHA/MQA/GQA 与 DeepSeek、Qwen 的注意力方案、FFN 结构、归一化、MoE 路由、前向反向传播、LoRA、PPO/GRPO/DPO、数据清洗,末题是三数之和。这份解析换成实现视角:张量形状、路由与容量、三种对齐算法的损失函数形态、以及双指针的边界写法。

2026-10

华为大模型算法岗一面:从 loss 不收敛问到 MoE、LoRA 与 GRPO

华为 大模型算法 一面

华为大模型算法岗一面:从实习与项目切入,连问 loss 不收敛的排查角度、Transformer 复杂度与优化、MHA/MQA/GQA 之外的注意力变体(点名 DeepSeek、Qwen)、FFN 结构与替代设计、归一化、MoE 路由与共享专家、前向反向传播、LoRA 原理、PPO/GRPO/DPO 对比与 GRPO 去掉 Critic 的原因、数据清洗与数据集搭建,最后手撕三数之和及其变体。

2026-10

京东大模型算法岗一面:M-RoPE、VLM 与扩散模型

京东 大模型算法 一面

京东大模型算法岗一面,围绕多模态与生成式方向连续追问:M-RoPE 对原生 RoPE 的改造、视频位置编码的演进、VLM 输出点坐标而非 bbox 的取舍、SAM2 原理、合成数据质量评估、RoPE/ALiBi/SwiGLU、LoRA 与蒸馏、扩散模型公式,最后手撕 LeetCode 53 并输出子数组。

2026-10

京东大模型算法岗一面:M-RoPE、VLM 与扩散模型

京东 大模型算法 一面

京东大模型算法岗一面,围绕多模态与生成式方向连续追问:M-RoPE 对原生 RoPE 的改造、视频位置编码的演进、VLM 输出点坐标而非 bbox 的取舍、SAM2 原理、合成数据质量评估、RoPE/ALiBi/SwiGLU、LoRA 与蒸馏、扩散模型公式,最后手撕 LeetCode 53 并输出子数组。

2026-10

零一万物知识图谱算法实习一面:Agent 容错、SFT/DPO 与实体对齐

零一万物 知识图谱算法实习生 一面

零一万物知识图谱算法实习生一面,约 30 分钟:Agent 框架与连续失败兜底、工具参数错误和上下文管理、SFT 与 DPO、LoRA 原理、栈与队列、本体与知识图谱设计,以及同义实体如何合并。

2026-10

米哈游 大模型算法 面经:LoRA 一致性、Agent 与推理优化

米哈游 大模型算法

米哈游大模型算法岗面经:ACM 模式代码题加三道手撕(岛屿数量、rand7 实现 rand10、冒泡排序),技术题覆盖 LoRA 原理与一致性控制、大请求量下的 QPS 保障、Agent 使用经历、实习期 60 多个自动化验证用例的追问,以及多模态视频输入与视觉幻觉缓解、embedding 与 reranker 的分工、ANN 选型、Transformer 与 Attention 复杂度、KV Cache、GQA/MLA、vLLM、Flash Attention、稀疏注意力和推理变慢的排查思路。

2026-10

虾皮 Agent 开发一面

虾皮 Agent 开发工程师 一面

虾皮 Agent 开发一面面经,全程围绕三个项目深挖:微调与 Prompt 的选型、代码仓库 Description 的粒度与失效纠正、故障归因系统的日志排查与效果评估,以及知识图谱问答的 Query 拆解与实体排序。

2026-10

虾皮大模型后训练日常实习一二面面经:强化学习算法与 LoRA 原理

虾皮 大模型后训练日常实习 一面+二面

虾皮大模型后训练日常实习一面二面题目整理:一面从两张训练卡能否放下 7B 模型切入,覆盖显存估算、Qwen2.5 基座选型、SWE Agent 工具与 32K 上下文局限,深挖 NGRPO 选型、不用 DAPO 过滤失败样本组的考量、GRPO 的固有缺点、梯度范数、Reward 停滞排查与 KL 散度崩盘;二面问 VERL 框架取舍、Agent 强化学习的信用分配、数据集来源与处理、OPSD 的 Forward KL 选择以及 LoRA 微调原理。

2026-10

虾皮大模型后训练日常实习一二面:SWE Agent 后训练与 GRPO 深挖

虾皮 大模型后训练日常实习 一面+二面

虾皮大模型后训练日常实习一面二面面经:一面围绕自研 SWE Agent 项目追问显存估算依据、Qwen2.5 基座选型、工具集设计与 32K 上下文局限,并深挖 NGRPO、DAPO 样本过滤、GRPO 固有缺点、梯度范数、Reward 不涨的排查路径与 KL 散度崩盘;二面问训练框架取舍、Agent 强化学习的信用分配、数据集构成与处理、OPSD 的 Forward KL 选择以及 LoRA 微调原理。

2026-10

淘天 AI 应用研发一面面经

淘天 AI应用研发 一面

淘天 AI 应用研发一面,从 MQA/GQA、token 节省、LoRA 微调、RAG 流程与性能优化、Skill 理解、知识库设计,问到 Java 垃圾回收、Spring 启动优化、索引优化和数据库锁。

2026-10

腾讯多模态算法岗一二面面经

腾讯 多模态算法工程师 一面二面

腾讯多模态算法岗一面二面的另一份记录:一面考论文与数据集构建、Adapter 与 LoRA、Qwen2.5-VL 架构、SAM 系列演进与开放场景题;二面考 SAM3 训练与文本数据集构建、CLIP、门控、权重初始化与 token 概率计算。

2026-10

腾讯多模态算法岗一二面面经

腾讯 多模态算法工程师 一面二面

腾讯多模态算法岗一面二面记录:一面从论文研究背景与数据集搭建切入,考到 LoRA 与 Adapter 原理、Qwen2.5-VL 架构、SAM 系列差异、RAG 与开放场景追踪设计;二面深挖 SAM3 训练流程、CLIP、门控机制、LoRA 初始化细节,并追问业务与职业规划。

2026-10

腾讯 WXG 大模型算法暑期实习面经:强化学习、LoRA 与手撕 PPO

腾讯 大模型算法

腾讯 WXG 大模型算法暑期实习面经:从论文与强化学习算法(GRPO、PPO、reward model)与马尔可夫决策过程切入,追问 bf16/fp16/fp32 的精度与计算、LoRA 微调细节与量化,随后是大段手撕——实现 PPO、推导 MDP 的 γ 阈值、估算 SFT 参数量与显卡利用率、判断相交链表,以及如何让全连接层输出子空间基底接近标准正交基。

2026-10

腾讯 WXG 大模型算法暑期实习面经:强化学习、LoRA 与手撕 PPO

腾讯 大模型算法

腾讯 WXG 大模型算法暑期实习面经:从论文与强化学习算法(GRPO、PPO、reward model)与马尔可夫决策过程切入,追问 bf16/fp16/fp32 的精度与计算、LoRA 微调细节与量化,随后是大段手撕——实现 PPO、推导 MDP 的 γ 阈值、估算 SFT 参数量与显卡利用率、判断相交链表,以及如何让全连接层输出子空间基底接近标准正交基。

2026-10

9.22 小红书 大模型算法三轮:图文匹配、生成式排序与推荐链路排障

小红书 大模型算法 笔试、一面、二面、HR 面

小红书大模型算法三轮(含机考):机考考加权热度 TopN、评论归属匹配与带时间衰减的生成式排序;一面压多模态内容理解、LoRA 与显存、评测与数据漂移;二面压推荐链路排障、特征穿越、AB 实验与多目标融合,收尾手撕链表两两交换。

2026-10

B站推荐算法一面面经:生成式召回13问详解

哔哩哔哩 推荐算法 一面

B站推荐算法一面原题整理,13 问覆盖 SID 语义编码与曝光容量约束、量化误差与业务约束的权衡、编码碰撞、SFT 与 LoRA 微调、长短序列与冷启动处理、生成式召回降延迟,以及双塔缺陷、三种训练范式和 InfoNCE 温度系数。

2026-09

字节多模态大模型一面二面三面:从 Lora 微调到手撕算法

字节跳动 多模态大模型 一面

字节多模态大模型岗三面连轴面经:一面围绕论文与 RAG 项目、质量过滤模型、LoRA 原理、Transformer 自注意力与 BERT/GPT 差异、RLHF 与 DPO,手撕最长公共子序列;二面拷打多模态训练与 Prompt 验证、数据清洗、CLIP、幻觉与复读机、前馈网络升维降维、LLaMA 版本差异;三面偏开放,聊对大模型结构演进与训练难点的理解。

2026-09

华为大模型算法岗面经:LoRA、PPO 与 Transformer

华为 大模型算法

华为大模型算法岗面经,覆盖数据清洗与数据集构建、LoRA 微调原理、前向反向传播与参数更新、PPO 与 GRPO 与 DPO 的区别、多模态与智驾模型、ViT 与 VLA 原理,以及和为 k 的最长子数组算法题。

2026-09

京东 大模型算法岗面经合集 01:PPO/DPO/GRPO 八股、音视频链路与端侧 AI 追问

京东 大模型算法 多轮面试合集

京东大模型算法岗 6 场面试记录:强化学习与微调原理(PPO 与 GRPO 的 KL 约束、DPO 的数据构造)、音视频链路深挖(AAC 与 Opus、WebRTC、3A 算法)、LoRA 参数、RAG 切片与召回优化,末尾手撕 LRU。

2026-09

联想AI岗笔试考点复盘(选择题、编程与AI coding)

联想 人工智能岗 笔试

联想 AI 岗笔试题型复盘:20 道单选加一道编程加一道 AI coding,选择题覆盖算法补代码、RNN、HMM、强化学习、LoRA、SQL、激活函数与排序,编程题仅过 18% 用例。

2026-09

理想汽车智能体算法一面:Agent Loop 与奖励设计

理想汽车 智能体算法-软件 一面

理想汽车智能体算法一面面经,围绕 Agent 工程落地展开:Agent Loop 需要哪些结构化状态、什么任务该用 Agent 而非固定工作流、奖励设计失衡怎么排查、失败轨迹如何拆成训练样本,以及 LoRA 与全参微调的取舍。

2026-09

美的 后端开发一面面经(9.28):线程池、MVCC 与 Spring Boot 自动配置

美的 后端开发 一面

美的后端开发一面面经,9 月 28 日,约 30 分钟无手撕。考察 Java 线程池原理与参数、InnoDB 锁机制、MVCC 与幻读、脏读与幻读的区别、Spring Boot 自动配置与 Starter,并追问项目最难的点、读源码经历与 LoRA 微调。

2026-09

拼多多9.19线下面经:大模型算法一面到主管面

拼多多 大模型算法 一面+二面+HR面+主管面

拼多多 9.19 线下大模型算法面经,一天走完一面到主管面。技术面围绕实习与论文,八股考 LoRA 的 alpha/rank、VLM 减少 vision token、Qwen-VL 位置编码与 adapter 选型,手撕含 O(n) 递增三元组、搜索旋转数组与黄金分堆。

2026-09

拼多多大模型算法秋招二面:LoRA 微调与注意力原理

拼多多 大模型算法 二面

拼多多大模型算法秋招二面,从 LoRA 的低秩假设与 rank 和 alpha 配比切入,覆盖 QLoRA 的量化与训练不稳定、注意力缩放与长上下文优化路线、RoPE 外推与 YaRN,以及显存估算、梯度累积和混合精度溢出排查。

2026-09

小红书大模型算法面经:笔试到 HR 面全流程

小红书 大模型算法

小红书大模型算法岗全流程面经,覆盖机考三题(加权热度排序、图文匹配、时间衰减排序)、一面多模态与训练细节、二面推荐系统与 AB 实验、HR 面反问,以及手撕链表两两交换节点。

2026-09

小红书 大模型算法岗面经合集:隐式 CoT、RAG 上下文管理与 LoRA 微调

小红书 大模型算法 多轮面试合集

小红书大模型算法岗七场面经合集,2026 年 6 月到 9 月。覆盖隐式 CoT 的双任务蒸馏、RAG 分块与多轮指代消解、上下文膨胀、BCE 与 InfoNCE 联合损失、vLLM FP16 池化溢出、LoRA 原理与 Agent 架构。

2026-09

小红书 大模型算法岗面经合集(三):Transformer 细节、DPO 与推理优化

小红书 大模型算法 多轮面试合集

小红书大模型算法岗九场面经合集(三),2025 年 12 月至 2026 年 1 月。覆盖 Transformer 结构与 GQA,微调 7B 显存估算、FlashAttention、DPO 与 RAG 微调,以及 PPO、GRPO 差异。

2026-09

小鹏二面:Transformer 基础与端侧 Agent Harness

小鹏 端侧 Agent 工程师 二面

小鹏端侧 Agent 岗二面面经:由实习项目切入 Transformer 基础(结构差异、QKV 计算、多头注意力、LoRA),再深挖 Agent Harness 职责与端侧迁移难点。

2026-09