岗位算法工程师-视频理解，下面提供tl和具体内容

一面-3.28-40min

1. 自我介绍

2. 文章提问，描述问题背景、方法、公式推导，使用生成式模型的原因，师生模型的选择，损失函数的选择，文章负责部分

3. 项目提问，选择GMM的原因，项目中负责的部分，怎么评估项目效果

4. 代码题，二分查找，先讲思路，写完没跑，问复杂度、如何设计测试用例

5. 反问，偏向业务or研究？（业务）目前有落地吗？（理财部分视频内容的理解）研究有成果吗？（视频理解是近年才加的，之前倾向于图文数据的处理，有比赛获奖和论文）问我倾向业务还是研究，他们希望实习同学倾向研究

二面-4.3-30min

先问项目，再问论文

对论文比较满意，项目需要加强，比如GMM参数设置

问：大模型的发展是否会使得蒸馏CNN相关工作没有意义？首先，CNN模型相对于Transformer在参数量、计算量上还是存在优势的，同时其训练起来也更加容易收敛，因此在存在算力限制或数据限制的场景下还是CNN能够用更少的资源达到理想精度，因此CNN轻量化并不会随着transformer模型发展而失去意义。其次，现在大多数ViT模型仍然依赖3D-CNN网络对数据进行嵌入预处理，形成能被ViT使用的特征，因此CNN的轻量化仍然重要。

问：了解扩散模型吗？了解DiT在视频生成领域已有应用Sora

蚂蚁3轮技术面（有的2轮）+1轮HR面

这个方向偏向技术应用，包括视频内容的识别，为文本配视频语音生成等。蚂蚁中台偏向基础算法的研究。

三面-4.9-40min

讲论文，问这个工作有没有在实验室项目中应用，觉得学生baseline太低了（这里可以解释一下精度低是学生模型自身的原因，我们的工作只是提出一个新的3D-CNN模型的蒸馏方法，更好的学生模型必然导致更好的最终结果，我们在该学生模型上做只是方便验证我们方法的有效性）。讲现有工作。问本科做过相关工程没有。（感觉二面面试官提到过项目不太行，这次来拷打）问在啥数据集上做的，如果要自己动手收集该怎么做。答：模态是视频就行，方法有通用性只要是视频理解任务都可以。

提问，大模型训练出现幻觉，问训练大模型的语料在准备时有什么要注意的。答：一是文本结构，二是内容相关性。

要用模型清洗爬出来的文本数据，问具体怎么设计模型。答：大模型方法，利用提示工程；一般模型方法，半监督学习。

提问，怎么持续优化模型准确性，答：利用用户反馈持续学习。

还问后面的研究意向，我说CV和轻量化都比较合适。

感觉问的太大了，狠狠拷打。

HR面-4.11-15min

简历介绍，讲了一下论文和项目

问了一下对视频理解在工程落地上的了解，答海康威视在智能摄像头上做的挺好。

HR对在学校的内容比较满意，评价为扎实；但是认为对业界相关的落地情况不是很了解，举例抖音做得很好。说做CV还是要以业务为主，比如如何让视频内容丰富起来，或者用深度学习方法代替人工重复劳动。

闲聊，问后续发展意向，工作地点，来过杭州吗，能实习多久。

愿意给个机会尝试，会尽快推进流程，今年HC少，一个萝卜一个坑。

反问实习生去做什么，答有师兄带，向主管汇报，期望按照正式员工标准要求实习生。

以上为25年蚂蚁面经的基本情况，没有涉及的细节可评论区问我。每个人都有自己的节奏，祝大家最终都能取得心仪的OC！