面灵AI→

百度大模型算法二面:两段实习、论文与 mid-training / SFT / RL 的分工

百度 大模型算法 二面

百度大模型算法工程师二面:自我介绍后依次聊两段实习、论文,再问对 RL 与训练阶段的认知——mid-training、SFT、RL 各自解决什么问题,最后做题 LeetCode 79 单词搜索(直接 DFS)并反问团队方向。作者吐槽一面在 8 月、二面在 11 月才约,池子很深。

2026-11

华为 AI 模型技术岗一二三面:后训练全流程、Agent 框架与科研追问

华为 AI模型技术岗 一二三面

华为 AI 模型技术岗三面记录:一面围绕 LLM 后训练全流程选型、训练踩坑、OPD 适配性、SFT/PPO/GRPO 差异与 Reward Hacking,手撕要求手写 Attention 与 Decoder-only Mask;二面转向 Agent 工程与 DeepSeek Harness 框架,手撕是滑动窗口中档题;三面追问论文与实习产出、优势短板与成长规划。

2026-11

科大讯飞 AI 研究算法一面:SFT 之后为什么还要 GRPO,如何判断训练好了

科大讯飞 大模型算法 一面

科大讯飞 AI 研究算法工程师(后训练 / 强化学习方向)一面(11.19),六问全部围绕后训练:项目细节问到消融实验与原因、SFT 与 GRPO 的关系、OPD 的原理及与 GRPO 的区别、mid-training 的做法与完成判据、如何判断 pretraining 与 SFT 各自训练好了,以及 RL 出现 reward hacking、回答不像人时怎么处理。全程无手撕。

2026-11

快手大模型算法实习面经(3 月场):Memory Pool、SFT/DPO 与 Attention 细节

快手 大模型算法(实习) 多轮

快手大模型算法岗实习的四场面经,时间集中在 2026 年 3 月下旬。第一场从风控报警机器人项目问起,覆盖 Prompt 编写流程、项目量化与 AI 产品理解;第二场问记忆池的构建与测试,以及 vLLM 的 PagedAttention、Chunked Prefill 与 Continuous Batching;第三场是密度最高的一场,从 SFT 数据、PPO/DPO/GRPO 一路问到 Agent 评估、Embedding 维度、Qwen 系列 Embedding 与 Rerank 的实现、Attention 公式与 RoPE;第四场问 AF 分离、FlashAttention、张量并行与 CUDA GEMM 优化。

2026-11

美团 Agent 开发一面:Agentic RAG、改地址的权限边界与 DPO 偏好对

美团 Agent 开发 一面

美团客服方向 Agent 开发一面备考记录:Agentic RAG 与项目里普通 RAG 在流程上的差异、外卖客服查知识与查订单、改地址分别怎么走(权限、用户确认、执行后核对),训练与评测部分问 SFT 数据怎么做且如何防止训练集与评测集串数据、DPO 的偏好对怎么选以及 chosen 是否一定完全正确、训练后效果怎么评以及哪些情况会让分数虚高,手撕删除链表倒数第 k 个节点。

2026-11

超聚变 AI 软件工程师(大模型)一面:从 SFT、RAG 切块问到 Agent 循环与 Harness

超聚变 AI 软件工程师(大模型) 一面

郑州 base 的大模型岗位一面:先问考研原因与实习强度,再连续追问监督指令微调、RAG 的 chunk 大小、embedding topk 与相似度阈值、rerank 调整、Agent 调用死循环、Agent Harness、ReAct 与 tool calling 是否一回事、怎么判断 Agent 完成任务。项目只写了 RAG 会被追问还有没有别的 AI 模块。

2026-11

大模型后训练与 Agent 开发面试总结:三个月二十多场的高频题

多家互联网公司 大模型后训练与 Agent 开发 多轮

三个月面试二十多场后整理的题目清单:后训练与对齐集中在方法选型、SFT 细节、PPO/DPO/GRPO 对比与 Reward 设计;Agent 方向集中在架构、工程治理、评测与 Skill 漂移;项目深挖要求讲完整故事;部署侧问 vLLM 的 Prefix Cache 与 Paged Attention,手撕以 Medium 为主。

2026-11

百度 大模型算法 实习一面:SFT、OPD 与 GRPO

百度 大模型算法实习 一面

百度大模型算法实习一面:项目业务场景与基座模型规模、SFT 并行参数与训练问题、packing 的作用、MODP 与 SFT 的差异及融合实现、OPD 里 forward KL 与 reverse KL 的区别、OPD 生效的数学原理、OPD 与 GRPO 的差异、on-policy 与 off-policy、长多轮对话难点、SFT 与 RL 的分工、reward hacking,最后手撕多头注意力。

2026-10

百度 大模型算法 实习一面:SFT、OPD 与 GRPO

百度 大模型算法实习 一面

百度大模型算法实习一面:项目业务场景与基座模型规模、SFT 并行参数与训练问题、packing 的作用、MODP 与 SFT 的差异及融合实现、OPD 里 forward KL 与 reverse KL 的区别、OPD 生效的数学原理、OPD 与 GRPO 的差异、on-policy 与 off-policy、长多轮对话难点、SFT 与 RL 的分工、reward hacking,最后手撕多头注意力。

2026-10

字节 data 广告部门一面:SFT 之后为什么还要 DPO、GRPO 的 loss 与 KL 方向

字节跳动 广告算法 一面

字节 data 广告部门一面,半小时、没有手撕。项目被逐层深挖,随后集中考大模型对齐:SFT 与 DPO 都算监督微调为什么还要做 DPO、GRPO 的 loss 写法、组内 KL 散度的方向反过来会怎样、优势函数怎么算。

2026-10

字节跳动大模型算法三面复盘:简历项目被逐行深挖

字节跳动 大模型算法 三面

一篇字节大模型算法三面的复盘:三面不考新知识,而是顺着简历逐行追问项目指标、SFT 数据配比、RL 奖励设计和关键词接缝,核心是能否讲清一条完整的训练链路。

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

美团 AI Agent 与 MiniMax 大模型算法:面试官都在问「怎么证明它行」

美团、MiniMax AI Agent、大模型算法 一面

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。

2026-10

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

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。

2026-10

拼多多大模型算法岗二面面经(同场另一记录)

拼多多 大模型算法 二面

拼多多大模型算法岗二面另一份记录,题目与同场面经一致:项目深挖、SFT+RL 范式、准确率短板与迭代方案、AI Agent 理解,以及递增三元子序列手撕。

2026-10

拼多多大模型算法岗二面面经

拼多多 大模型算法 二面

拼多多大模型算法岗二面,围绕实习项目的建模与落地、SFT+RL 训练范式的必要性、准确率瓶颈的归因与迭代、AI Agent 的工程价值展开,手撕“是否存在长度为 3 的递增子序列”。

2026-10

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

文远知行 算法工程(后训练方向) 一面

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。

2026-10

敦煌网 推荐算法面经:特征评估、MMoE、SID 构建与传统推荐链路

敦煌网 推荐算法

敦煌网推荐算法岗面经:围绕实习业务场景展开,依次考察特征好坏怎么判断、MMoE 结构、SID 构建流程、SFT 流程和传统推荐链路,最后手撕最大子数组和。

2026-09

滴滴算法秋招凉经:GRPO 监控指标与 Agentic RL 数据链路

滴滴 大模型算法

滴滴算法秋招凉经,12 问全部围绕 RL 后训练:GRPO 除 reward 外要盯的六类指标、可训练轨迹必须保留的可见状态、SFT 数据筛选与成功轨迹的幸存者偏差、何时从 SFT 切到 RL,以及异步 rollout 的 off-policy 与 KL 约束。

2026-09

合合信息多模态大模型算法研究员一面 + 作业帮大模型算法一面二面

合合信息 算法 多轮面试合集

合合信息多模态大模型算法研究员一面与作业帮大模型算法一面、二面合集,问题覆盖如何判断 SFT 模型可以转 RL、DPO 奖励函数与 DPO/GRPO 对比、RL 训练中输出变长的原因、DPO 数据筛选稳定性与 OCR 模型架构,手撕三数之和、搜索旋转排序数组。

2026-09

京东 大模型算法岗面经合集 02:多模态位置编码、Agent 与 SFT/RL 追问

京东 大模型算法 多轮面试合集

京东大模型算法岗 9 场面试记录:VLM 项目追问 M-RoPE 视频位置编码与 SAM2,RoPE、ALiBi 与 SwiGLU 八股,Agent 与 SFT/GRPO 链路,RAG 与库存一致性,以及一场偏前端的 Vue 响应式面试。

2026-09

美团自动驾驶算法二面:数据流水线、SFT 数据质量与手撕合并区间

美团 自动驾驶算法工程师 二面

美团自动驾驶算法工程师二面,9 月 24 日约 30 分钟,工作地北京或深圳。没有项目拷打,整场围绕实习的数据流水线:结构分析与样本回流、高质量 SFT 数据集的理解与分布评估、专家经验思考监督数据,最后手撕合并区间并给一段算法源码做 debug。

2026-09

淘天集团 Agent 算法一面:SFT 超参、Muon 与 KV Cache

淘天集团 Agent算法 一面

淘天集团 Agent 算法一面:任务合成与清洗、bad pattern 重采样、RL 轨迹压缩与 SFT 超参,考 Adam 与 Muon 的区别、ReAct、KV cache 为什么只缓存 K 和 V,并用 torch 手写多头注意力。

2026-09