面灵AI→

字节推荐大模型算法岗一二面:归一化、MoE 与 Attention 细节

字节跳动 推荐算法 一二面

字节推荐大模型算法岗一二面:一面围绕论文项目与 Transformer 基本功(BN/LN、Pre-Norm/Post-Norm、Softmax 溢出、Attention 缩放)加手撕最长有效括号;二面转向 MoE(稀疏体现在哪、Router 与 Top-K、专家坍缩、负载均衡)与实验方法论,手撕编辑距离。

2026-11

字节推荐大模型算法岗一二面:归一化、MoE 与 Attention 细节

字节跳动 推荐算法 一二面

字节推荐大模型算法岗一二面:一面围绕论文项目与 Transformer 基本功(BN/LN、Pre-Norm/Post-Norm、Softmax 溢出、Attention 缩放)加手撕最长有效括号;二面转向 MoE(稀疏体现在哪、Router 与 Top-K、专家坍缩、负载均衡)与实验方法论,手撕编辑距离。

2026-11

快手 AI Platform 一面:奇偶重排、显存观测与 MoE 负载均衡

快手 AI 平台开发

快手 AI Platform 秋招面经,开场问之前所在部门训的是什么模型,随后是奇数在前偶数在后的原地重排 coding、怎么看 GPU 使用的显存、了解哪些 MoE 负载均衡方案、怎么 profile;反问得知组内做多模态大模型。帖主对面试体验评价很低。

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

快手大模型算法岗面经(四):八场面试真题,从 PPO 优势函数问到 vLLM 调度与 MLA

快手 大模型算法 多轮

快手大模型算法岗(校招、实习、日常实习)八场面试真题汇总:从百度实习的细节追问开始,考察 MoE 与 Dense 的取舍、滑窗切分的 overlap、SFT 与 RL 的选择、PPO/DPO/GRPO 的原理与 token 级还是 sequence 级损失、优势函数怎么算;随后转向 Transformer 与 cross-attention、vLLM 的调度、分布式训练架构与 NCCL 算法、损失函数与 CoT、RoPE、MLA、动态分辨率与 Function Call,几乎每场都带一道手撕。

2026-11

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(Agent) 一面

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。

2026-11

曦望 一面:K8s informer 的 delta 更新与 PD 分离

曦望 云原生开发 一面

曦望一面约一小时:离职原因与项目、K8s informer 的 delta 增量更新(创建后立刻删除会不会收到两个事件)、Deployment 创建机制、PD 分离的好处、多机部署与 LWS、RDMA 与 CDI 显卡挂载、MoE 模型。

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

扒了 35 家 AI 公司面经,考最多的居然不是 Transformer

某公司 算法工程师

汇总 35 家大模型公司约 600 道面经题后的高频考点复盘:出现次数最多的是 KV 缓存与显存计算,其次是 MoE 的路由与负载均衡、Prompt 与 RAG 和微调的选型,以及面向海量用户的聊天助手系统设计。

2026-10

字节跳动广告算法面经(同场第二份回忆):归一化、AUC 与 DPO

字节跳动 广告算法 一面

同一场字节广告算法一面的另一份回忆:生成式召回的结构改动、常用归一化、负采样对 AUC 的影响、DPO 公式与 MoE 效果归因、SGD/Adam 差异、KV Cache 与正余弦位置编码。

2026-10

字节跳动广告算法面经:归一化、AUC 与 DPO、KV Cache 十问

字节跳动 广告算法 一面

字节广告算法一面十问:生成式召回怎么改结构、常用归一化、去掉负样本后 AUC 怎么变、DPO 公式、MoE 激活分布、SGD 与 Adam、KV Cache 与正余弦位置编码手撕。

2026-10

字节 AI Infra 三面:CUDA Graph 与 TP 并行的卡死排查

字节跳动 AI Infra 三面

字节 AI Infra 三面面经,主线是分布式训练与算子开发:CUDA Graph 与 TP 并行同时启用导致卡死的定位过程、Triton/CuTe 这类 DSL 的价值、MoE 训练里 Router Replay 与 EP 并行、滑动窗口 Attention 的确定性反向优化,以及国产 GPU 上的算子 Benchmark 方法。

2026-10

荣耀推荐算法一二面:SID、生成式推荐与推理加速

荣耀 推荐算法 一二面

荣耀线下一二面:一面问 SID 与 item ID 的区别、生成式推荐的一对多与检索效率、用户序列构建、离线在线一致性,手撕按出现次数排序;二面问 Transformer、多头注意力、MoE、AWQ 与推理加速。

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

小红书算法岗面经合集:传统机器学习、大模型架构与推荐检索

小红书 算法岗 多轮面试合集

小红书算法岗七场面试合集:传统机器学习考分词与 NER、分类与回归、XGBoost 与 LightGBM 的差别、监督与无监督与强化学习、K-Means,以及项目选型、踩坑与北极星指标;大模型架构覆盖自注意力、RoPE、MoE、MHA 与 MQA 与 GQA、LayerNorm 与 RMSNorm、预训练与后训练、Decoder-only 的由来;另有模型规模化的算力账(参数量与 FLOPs、PS 存储、训练速度与机器数)、RAG 流程与切片粒度、召回与粗排精排的经典模型、NDCG 与 AUC 与二分类 loss、负采样与高热打压,以及生成式推荐的码本坍塌、sid 质量与幻觉治理;手撕考螺旋矩阵、O(N) 求第 K 大、立方根与岛屿数量。

2026-10

腾讯混元大模型算法岗一面真题

腾讯 大模型算法 一面

腾讯混元大模型算法岗一面的同题记录:从 Agent-RL 的奖励分层与长链路信用分配讲起,串起 GRPO 各支改进、PRM 如何进 advantage、多智能体值不值得拆、Agent 评测指标怎么选,再落到混元 MoE 与跨层注意力、DPO 双降归因、BM25 的词频饱和与长度归一化、以及阶段内 token 归一化对长度偏好的影响。

2026-09