《小米算法面经》专题

#满帮# 10.19 笔试 10.26 一面 1. 挖项目（讲一下层次聚类，ResNet和Densenet的区别，以及ResNet被发明主要为了解决什么问题）。 2. 讲一下卷积（问了很多细节）。 3. 讲一下BN，在什么维度操作，为什么进行scale和shift。 4. 讲一下XGBoost和GBDT区别（细致到问了泰勒二阶展开和一阶展开的数学公式，以及泰勒展开的作用和原理）。 5. 问了LST

#运筹优化# #京东# #实习# 一面70min： 1.自我介绍 2.介绍一下单纯形法 3.介绍一下分枝定界 4.介绍一下列生成 5.问项目（问了两个，深挖） 6.问实习经历 二面70min： 1.自我介绍 2.直接开始问项目（深挖，问的非常细） 3.问启发式项目（也很细） 4.gurobi有什么加速/启发式，有尝试过调整参数吗、效果如何 两轮面试问的非常细，从基础知识到项目，都要掌握的比较好

知乎 企业类型: 互联网 地点: 北京 实习类型: 日常实习 岗位: NLP算法工程师 一面—视频面 基础知识询问+做题 自我介绍 生成式模型与判别式模型的区别？ 生成式模型先对数据的联合分布 进行建模，然后再通过贝叶斯公式计算样本属于各类别的后验概率 。 判别式模型直接进行条件概率建模，由数据直接学习决策函数 或条件概率分布作为预测的模型。判别方法不关心背后的数据分布，关心的是对于给定的输入，应

面试官很好 是我太菜 问了随机森林 XGboost EM算法 其实很多都是他问我了解什么我说了 再细问我又不清楚 可我没有会的了 面到最后就很尴尬

上上周offer被毁，无奈重新投简历，刚结束讯飞一面情况给大家分享。 总时长45min不到 上来先是常规自我介绍，之后问了下为什么选择转做nlp(之前的实习一个推荐广告，一个deepfake，一个vlm based 3d场景理解) 简单聊eccv论文，引申问题，llm如何处理长文本记忆功能(重点不是魔改网络或者long memory tranformer)。想到了sentence embeddin

感觉又要当二面杀手了

国庆节当天晚上的面试，三个面试官，汗流浃背了（鼠鼠第一次面对这么多人）.... 1.自我介绍 2.深挖项目 3.部门是做自动驾驶的，问了一些场景题 1）鬼影现象 2）3D检测中，回归出一个车的size，你认为哪些东西是最重要的？ 3）DOTA数据集 4）介绍一下nms iou 5）iou中的分子分母分别是什么？交集是哪两个框？ 6）map是什么？和ap的区别是什么？召回率怎么计算？ 4.手撕：给了

9.21 一面 起手声明工作方式（dddd），问能不能接受 自我介绍，介绍项目，我稍微详细把相关项目介绍了 大概讲一下transformer 模型在训练和预测时显存占用怎么得到（我考虑了量化，训练时优化器， 讲一下对langchain的使用的理解 调取api和本地部署llm使用上的优劣 手撕快排，然后问写出来这个是不是稳定的 pdd这面试系统真抽象，和它的笔试题一样抽象。真买不起服务器吗 9.28

#软件开发笔面经# 主要内容拷打项目，问得很细，基本一条一条问过来 比较泛的问题有： 如何评价基于规则的方法和深度学习方法？ 有没有做过评测，没有的话你觉得评测主要是做什么？用什么评估结果？ 算法在车端部署测试主要看什么？ 在重建过程中如何处理ego pose？ 手撕：有点像2024美团暑假实习第一次笔试的交朋友那道，并查集或者dfs

base深圳，岗位是算法工程师。 两个面试官，着重问了我做的两个物理层算法的项目，对我的FPGA项目不太感兴趣。主要问代码是不是自己编写还是matlab直接调的库函数啊，整个通信系统流程是不是自己独立设计完成的，问了项目的信道模型是什么，信道估计算法，检测算法等等，还挺专业的。然后问了下两个项目的系统参数，了不了解射频端，本科电赛用没用过我们的示波器啥的。总体难度不大，偏重算法考察，他们部门也是做

面试时间 8月22日 晚上21点。。 1. 自我介绍 2. 直接开始八股环节，实习都没怎么问 3. 模型推理技术优化 4. 大模型幻觉 5. MQA 和 GQA 6. 长文本推理优化 7. 微调过程通用能力下降怎么解决 8. 问Swish激活函数公式 手撕： 1. transformed绝对位置编码 2. 牛顿迭代法求平方根 面试官挺好的，虽然没怎么问我实习项目，但是说了一堆他们组做微调的东西 话

#软件开发笔面经# 深挖项目为主 （主要和本人经历强相关，部分没什么参考价值） LASSO回归或者norm-1惩罚项如何让累计差分向量变稀疏？ （什么是应变？...直接硬控面试官3分钟） 时间上连续的一维振动方程式如何做离散化的？ 车端算法效果如何测评的？用了哪些工具/方法？ 如何解决在线地图的误差累积问题？ 八股： vector有哪些插入元素的操作，具体操作复杂度和底层发生了什么？ vector

写个面经攒攒人品~ 时间：20240817 上午11点 时长：1小时 1.自我介绍 2.深挖项目，面试官挑了一个实习经历，问的还蛮细的，基本上我每说一点他就会反问一下 3.LR逻辑回归的损失函数，回答了交叉熵，然后让我用擅长的语言写交叉熵的伪代码 4.说一下MAE和MSE的理解以及区别 5.列表和元组的区别 6.场景题：给一个很大的文件，文件的每一行是一个很大的数字，如果给你一个单机，内存比较小，

8月17早上10点 1.自我介绍 2.简单的问了一下实习，然后就开始问MHA里面为什么每个头能关注到不同的信息，还问我两个模型所有流程都一样只有参数初始化不一样，训练的结果怎样？（这两个问题一直问，我觉得我说的已经很清楚了，感觉对面也不是很懂，做搜推的） 3.挑了我一个强化学习项目问，八百年没被问过这个项目了。感觉是两个人在尬聊 最后给了一道三数之和，也没问八股，很怪。。。 现在反正是没秒挂😓

1、自我介绍 2、竞赛你是怎么做的，你觉得哪部分工作让你取得这么好的名次 3、实习经历，你在这段经历中做了什么 4个人爱好，性格 5最自豪的一件事，工作中的优缺点 6、图文推荐，短视频推荐，直播推荐有哪些异同点 7、单列和双列推荐会有哪些不同 8、一道概率论题 9、一道算法题 10、反问 bg：双非本，top2硕，两段京东实习，一个深度学习竞赛3/800，无论文，感觉3面很少问技术细节了，相对来说