MiniMax 面试题
共 6 篇真实面经 · 涵盖 MiniMax / 美团、MiniMax / 文远知行 等 3 家公司
MiniMax AI Infra 平台研发一面:稳定性建设、K8s 与容器隔离深挖
MiniMax AI Infra 平台研发一面,几乎全程深挖腾讯实习:稳定性建设具体做了什么、实例创建失败与 workflow 告警怎么定位、告警如何转成指标、告警准确率 98% 怎么算、daemonset 安装 CRI 怎么保证成功、全链路可观测的 roadmap 与收敛规则配置。后半段转向基础:K8s 是什么、容器本质与组成技术、Linux 隔离为什么不彻底、如何防止容器污染宿主机。作者自评实习部分答得不好,勉强进二面。
MiniMax AI Infra 二面:告警治理、沙箱重定向与慢节点定位
MiniMax AI Infra 平台研发二面,继续深挖腾讯实习:工作流告警为什么改成指标、指标记录什么、什么会导致 workflow 失败;daemonset 安装 CRI 如何保证成功、特权容器的攻击面;告警归属率与降噪;workflow 架构与挂掉后的处理。后半段问沙箱重定向到虚拟机执行的动机与一致性验证,以及一道大模型训练场景题——几千卡里出现慢节点,如何快速定位、硬件采集架构怎么设计。最后是拓扑排序变种(Kahn 算法)。
MiniMax 一面 80 分钟:以为面应用岗,结果从 RoPE 问到 PagedAttention
MiniMax 大模型应用岗一面 80 分钟,结果挂。前十五分钟问 Agent 项目、AI Coding、Skill 与 RAG,中间三十五分钟全是模型侧:attention 为什么除根号 d_k、GLM 与 GPT 的结构差异、RoPE 的数学形式与外推、位置插值/NTK-aware/YaRN/ALiBi、Sparse Attention、MoE 路由与负载均衡、INT4 量化、LoRA 与 DPO/PPO;最后三十分钟问 KV cache 显存计算、PagedAttention、连续批处理、投机解码与 vLLM/SGLang,手撕用 numpy 实现 RoPE 加位置插值外推。
美团 AI Agent 与 MiniMax 大模型算法:面试官都在问「怎么证明它行」
两场大模型方向面试的复盘:美团 AI Agent 岗 70 分钟围绕成功率口径、评测集来源、失败归因追问;MiniMax 后训练岗深挖 SFT 数据配比、RL 奖励设计与消融对照,共同点是可验证性。
MiniMax 后训练一面:SFT/RL 数据与 GRPO 细节
MiniMax 大模型算法后训练一面:围绕数据合成与清洗、SFT 与 RL 的先后关系、DPO/PPO/GRPO 与 DAPO 的原理取舍、训练不稳定排查、评测集构建展开,末尾手撕岛屿数量要求 DFS 与 BFS 两种写法。
文远知行算法一面与 MiniMax 大模型后训练岗:两条技术路线的考点对照
一篇把两场算法面并排复盘的帖子:文远知行自动驾驶算法工程一面偏工程落地,追问检测模型为什么选这个 backbone、数据增强怎么定、离线指标与车端表现不一致时怎么排查,代码题偏数组字符串,场景题是「给一段路测数据如何定位某类漏检的成因」;MiniMax 后训练岗问 SFT 数据清洗与配比、指令多样性、训练轮次与过拟合、RLHF 偏好标注一致性、reward model 泛化评估、PPO 训练不稳定的排查,还有「有限算力下如何设计后训练流程」的开放题。