《NLP》专题

1.自我介绍 2.拷打论文 围绕论文的一些问题 2.1有哪些常见的图卷积 2.2指标 2.3attention是怎么做的 3.拷打另一篇论文 围绕论文的一些问题，延展八股 transformer架构 layer norm和batch norm 区别 自注意力结构 T5架构和任务设计 Bert的最大长度限制 了解哪些attention方式 encoder和decoder区别 4.拷打项目 常见的微调

4.15 27min，联想似乎都是半个小时hhh 1.自我介绍 2.然后就是一直在问项目了 3.反问 感觉面试官项目听得很认真，所以面试体验相当好 反问岗位具体业务，才知道这是research岗位，因此鼠鼠相当想去，但我明白知道以我水平不可能碰瓷research岗，所以我并不抱什么希望但还是非常希望能有二面 4.16更新 已感谢信

全程1h 1.问项目 2.八股 transformer encoder和decoder的区别 transformer encoder中的信息怎么用到decoder中 RNN和transformer的区别 讲讲对多头注意力的理解 lora的原理 大模型如何加速推理？如何压缩？ 模型蒸馏 3.算法题 二维数组查找 二分查找左侧边界 #面试经验##算法面试经验分享##腾讯面试#

4.10 一面 40mins，offer情况，只问了项目，面试官提了一个非常值得思考的问题，被拷打，没有八股，没有手撕， 4.11 二面 30mins ，offer情况，只问了项目，一点八股，没有手撕 （只得一提的是，终于看到鹅厂面试官开视频了 4.14 三面 40mins，offer情况，只问了项目，没有八股 没有手撕，跟面试官聊的不错 没太有八股和手撕，且面试时间较短，个人怀疑是上周面完qq浏

全程25分钟，部门是百度文库策略部 1.自我介绍 2.介绍第一个项目，我的是一个RAG的项目，讲完他疯狂挑刺，然后我说了一些我们优化的一些点，他就说“你们这个地方做的挺粗糙的”，服了 3.问问题，问我transformer的结构， 我吟唱了一遍，然后他开始问一些里面比较偏的问题，有的答不出来就说一句“行吧行吧”我觉得我答不出来确实是我菜，多问一些拷打我我没问题，但是面试官也没必要这样搞人心态吧😭

全程50分钟，电话面，但是有代码题 部门是营销算法 1.自我介绍 2.介绍第一个项目，我的是一个RAG的项目，讲完后面试官没有过多的提问，让我说一下难点，然后问我lora微调的数据怎么构建的，为什么要微调 3.介绍第二个项目，我的是一个论文项目，我就讲了一下论文的整体，然后面试官问我的另一篇论文是不是也是这个任务上的，我说是，他说讲一下两篇的不同，我就从基座模型不同、motivation的差异讲

全程45分钟，部门是百度文库策略部 这次是鼠鼠遇到过最难崩的一次，从跟面试官打招呼的时候我就感觉到这是kpi面，面试官是个女生，感觉年龄还没我大，声音感觉萎靡不振，估计是被逼着来面人的 因为这个是之前在实习僧投的，我当时上传了我的简历并且在系统里填了，结果那个简历文件看不到，面试官只能看到系统里填的，我系统里填了四个项目，难崩 1.自我介绍 2.介绍第一个项目，无提问 3.让我介绍第二个项目，无提

全程45分钟，面试官人很好很强，我随便说一个小众的模型他直接说出来作者是哪的了，太强了 1.自我介绍 2.拷打第二个项目，先让我详细介绍了项目，然后提问，主要问了langchain框架怎么用的，向量库构建细节，为什么用lora微调而不全参（卡不够），让我详细讲讲幻觉消除，然后跟我聊了一会对向量检索的看法； 3.拷打第一个项目，让我详细介绍了论文，然后一部分一部分提问，问了共情对话生成任务的定义，条

男面试官特别温柔，全程微笑！！也特别有礼貌 面试总时长45分钟 提前三分钟开始了 自我介绍 项目提问 让我分享一下最近读的paper，我问他博客行吗然后选择了苏神最近发的多模态位置编码那篇哈哈哈哈 团队介绍，介绍了蛮久的 后面就是自由讨论了 没有考代码 end 没有八股 团队情况： 0. 算是创业团队 1. 主要工作在role play和小说续写 2. 目前llm也评测出还可以的效果，计划下个q在

1.问了一下学校 哪里人 2.问了一下有没有做过数据挖掘 机器学习的项目/竞赛 3.问项目 4.有没有其他offer 想做什么方向#面试经验##算法面试经验分享#

京东 投递2023-09-12 NLP算法工程师 春招刷新了一下 （春招）一面2024-03-28 大概30分钟。纯聊天。 面试官上来就说，主要就考察两个方面吧。一个是讲一下你做的最多的项目，另一个是讲一下你对大模型的理解。 讲了一下项目三。（中间有一些问题）（面试官评价：“我觉得你这个还挺好的，算是一个算法问题”） 讲了一下大模型方面的东西。（面试官：我们这边主要都是用QWen比较多。RAG贼好

全程50分钟，不过其中有十几分钟面试官去打电话了😭 这次面试官应该是个主管 1.自我介绍 2.让我挑一个跟大模型更相关的项目介绍，我介绍一个做rag的项目，然后介绍完问了各种问题，到微调的时候他问我lora微调的原理，到缓解幻觉的时候他问我对比解码的细节；感觉他对我的项目不是很感兴趣，可能看着像玩具项目😭 3.介绍另一个项目，我的是一个论文项目，我简单整体介绍了一下，然后他对共情提出了一些问题

1.⾃我介绍 2.介绍⾃⼰的项⽬ 3.项⽬中数据语料 4.你怎么评价你⾃⼰构建的数据集的好坏？ 5.chatGLM 和 GPT 模型结构⼀样吗 6.⼤模型训练⽅式 7.怎么评价⼈类⾼质量回答的数据集？精⼼处理的数据集作⽤？ （精⼼处理的数据集只能保证回复还⾏，但不可能只能只对⼀个场景） 8.强化学习中怎么⽤奖励模型打分？怎么样的分数？奖励模型是怎么得到的？ 9.⽤强化学习的梯度更新是怎么实现的？

开场半个小时nlp深度学习机器学习八股，然后简单问了一下项目，之后就是很古老很古老的八股，你碰到的最大困难是什么，能接受加班吗，如果百度阿里京东同时发offer你选谁，之前碰到很多面试官都实诚沟通了，所以说需要综合考虑，他问是不是没有明显的倾向性，我说对。 面完两个小时挂了，感觉比较明显的kpi。。。

1.自我介绍 2.项目拷打 你们的训练数据怎么构造的？ 对话的风格是怎么做的？ 遇到 OOC 问题你们一般怎么解决？ 还有一些比如说动漫角色这种，可能更难解决，你们怎么做。 模型输出内容太假大空你们怎么做？ 记忆怎么做的？ 然后问了一个八股 为什么现在大模型输入和输出价格不一样（说的有点结结巴巴，大意就是说输出需要对每个输入都要计算 注意力，输入只需要计算前面的部分。反正就是平均下来输入的成本比输