《小米算法面经》专题

本来以为会主要问检测跟踪相关的，还好，后来反问的时候问了一下主要是想用生成模型来生成图片或者数据这些然后就主要还是问的实习经历 1.自我介绍 2.商品换背景的时候如何解决和边缘的融合问题，给出她们那边的场景是红绿灯，固定红绿灯的话生成图整个画面非常不和谐 如何解决 3.百度实习，人像相关生成，主要解决的是什么问题 4.adetailer使用如何实现增大与用户相似度 5.删除链表中重复元素 想不太起

自我介绍。 研究方向详细介绍。 使用的强化学习算法框架，网络结构，loss。 模型参数量是多少？ 怎么部署？ 交通流参数识别。 模仿学习了解吗？ 手写CUDA算子感兴趣的部分。 换道，跟驰实现的逻辑。 长路径路由怎么实现的？ 给出具体实现的逻辑。（这里能答，但是当时有点紧张，就说了宽泛的概念。） GPU的结构了解吗？thread等概念。 贝尔曼方程的概念。 强化学习模型遇到没访问过的状态怎么办？

一面4.7 介绍项目一些项目相关的八股 一道dp题 二面4.9 感觉像主管 问了问项目 但更多的是开放性问题 这个项目自己做了哪些部分 怎么从新开始做一个项目 自己的优势 工作中如何像优秀的人靠齐 最近看什么书 无手撕 许愿一个后续 #招银# #招银网络科技#

业务面就一轮，然后后面就是hr面了 面试流程： 自我介绍 对项目经历进行简单提问 之前在京东物流实习感受怎么样，有什么收获 未来期望的工作地点 研究生为啥选择控制科学与工程专业 考研去的清华还是保研 本科成绩怎么样 入学以来最有成就感的一件事 问问我在其他公司面试情况，offer情况 入职多久能到岗 反问： 为啥视频会议室地址写的是上海，base地上海吗，想去北京的实习(后来解释了base在北京，

4.18面的，无手撕，对友友们有帮助的话可以点个赞哦 面试官感觉搞传统算法比较多，一直问场景题(比如有两帧图片，一帧人比较模糊但是其他清晰，一帧人清晰但是其他模糊，但是人的位置移动了，请问怎么办)感觉是想从我这看看有没什么点子,我随便扯，利用SNR啥的。。。 总共25分钟，面完过了2-3个星期官网看挂了，问了hr还说面评不是很好。我只想说，你6。 #虹软##计算机视觉##实习##暑期##面经##算

自我介绍 八股（可能遗漏）： 1. 讲讲推荐系统流程 2. Transformer 位置编码是什么 3. QKV 注意力公式为什么除以根号 d 4. 简单讲讲 GCN 5. 简单讲讲 RNN 6. RNN 里的参数是什么样的（答：参数共享） 7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？ 8. 讲讲 BN？BN 训练和推

写在前面：招银的面试体验巨巨巨好，秋招到目前为止可以和美团的面试体验并列top1，面试官非常温柔而且很善于引导，也会鼓励😭 Timeline： 9.9一面，9.10二面 一面： 介绍项目 Lora具体怎么做的？ GAN和diffusion的区别？ CLIP的原理？还有哪些多模态模型？答了BLIP，BLIP2，llava，继续追问原理 手撕：螺旋矩阵 一面完2个小时约二面 二面： 手撕三数之和 讲

6.30二面，二面半小时。 一直在问实习项目，主要问业务场景的一些具体问题。真的问题很细，问到具体的代码 如何处理数据不平衡问题 实验室情况，导师情况，个人优缺点 如何排查内存泄漏问题 对工作地点，薪资的要求 是否可以接受岗位调剂 大模型相关的一个没问，感觉要凉。。。 #讯飞#

6.6笔试测评，6.9一面，6.13二面，6.27线下三面，6.28心理测评通过。感觉和别人不太一样，我的三面其实还是技术面，基本没有闲聊。 1、自我介绍。家在哪。 2、本科成绩，双学位情况，考研情况。 3、详细问了简历的两个项目，但没有问具体的技术细节，只是讲算法实现了什么功能，遇到了什么问题，为什么会有这样的问题。持续15分钟+ 4、没有反问环节。 没有反问环节我是没想到的，也没什么闲聊，以为

一面20mins结束 上来闲聊科大的情况5mins 介绍一下实习的项目，为什么用a模型，不用b模型 大模型在金融领域的一些做法，进展 prompt和instruction的区别 encoder，decoder，encoder-decoder架构的区别 介绍一下论文内容 为什么不读博 #科大讯飞信息集散地##面经#

攒人品，没想到一面回答差都给过了，感谢tp给的机会 自我介绍 奖项介绍 项目介绍 重点问了论文 无手撕 总共30min，感觉可能方向不是很匹配面试官都没什么可以问的，祈祷能进三面

发面经攒人品 自我介绍 项目介绍，会问一些细节 Transformer的decoder中multi-head attention和encoder中的差异 batch normalization 和 layer normalization 无手撕 总共20min，回答的很差估计g了

无自我介绍、业务介绍，直接开始。 首先问了项目里的文字处理和图片处理，有没有用到NLP的知识，图片处理有没有用RNN，我说：“都没有！” 然后他就开始问共享单车有没有用LSTM这种深度学习算法，我说：“当时考虑过，但是没有用！” 然后面试官说考考深度学习、机器学习基础原理这块吧（都忘了！哈哈！） 1、GLM是什么？ 我就说是generalized linear model广义线性模型，然后卡住。。

妈呀有点太菜了，但是还是Mark一下勇敢踏出算法工程师第一步 base在北京 面试官好像是一名工作时长10来年的程序员 人特别好谢谢你~ 了解到该岗的主要业务是：网约车供需预测+因果推断两大块 供需预测其实通常使用深度学习结合时序，预测的量有：某时某地的订单量+成交率/成交金额... 供需调度的最基本思想就是“缺什么补什么”，比如早高峰的时候，用车不足，那么其实滴滴平台会给司机奖励机制（发钱），鼓

985本硕，2篇CVPR一作，其中一篇oral，一段3个月的蔚来自动驾驶实习经历。两天内面完所有两轮技术面。 一面主要讲了两篇论文（强烈建议有论文有项目的同学做一个好点的PPT给面试官讲一讲），深挖背后的知识点，然后提新的场景，现场想idea去解决，讲完就已经一个多小时了，无coding。 二面主要介绍了一下实习的工作内容。最后看时间差不多了写了道链表翻转题，居然这都没写出来（本人没咋刷过题）。