《滴滴算法面经》专题

4.18 技术面 问项目经历，多模态、大模型算法的了解和理解。手撕三个bbox的iou计算。 4.24 hr面 常规hr面。 4.26 发感谢信没过。

4.15笔试，4.19一面，4.25二面，4.29接邮件通知4.30三面（主管面） 为什么算不上面经，因为我觉得太简单了...对...太简单了，不是凡尔赛而是真的简单到让我汗流浃背。 个人情况：bg不错，实习对于算法来说不够垂直（我在互联网到处乱窜），做题不行（被笔试挂麻了），八股不行，面试沟通一般比较顺利 一面大概一小时，没问八股，一直在聊论文(二作在投还没中，nlp相关)和实习项目的细节，一直

一面： 聊项目，大概有10分钟 聊实习，大概有10多分钟 讲下知道的图像处理算法 黑盒白盒测试 场景题：怎样设计一个去噪算法的测试 场景题：发现一个算法的问题，怎样处理 追问，如果开发不承认问题怎么办，回答之后面试官解释说这是经常发生的情况，然后俩人都笑了 两个python八股：浅拷贝深拷贝、单引号双引号和三引号的区别（这个不会呜呜） 反问 全程45分钟左右，希望有二面捏，许愿二面 更新二面： 聊

为了准备社招刷了leetcode200-300题左右，侧重刷高频hard题，注重最优解法。面的公司地点均在上海，总共5家。 一、字节跳动-抖音 nlp算法工程师 一面（1h）： 1、自我介绍+聊项目经历； 2、算法题：手撕multi-head self-attention，使用tensorflow或torch框架（尽量按google源码的思路）； 3、开方式问题：介绍deberta中的两个优化点，

6.28 笔试 7.13 一面    一小时15分钟 1. 一个M*M的图像，用大小为K*K的卷积核做卷积，通道，步长为1，padding为0，计算卷积过程中乘法操作的次数 2. 什么是图像的直方图特征 3. 边缘检测的原理，流程 4. 分类问题和回归问题的区别 5. 什么是卷积的平移不变形，卷积是否具有旋转不变性 6. 反向传播如何实现的 7. CNN的流程及各个部分的作用 8. 设计或选择激活

上来自我介绍，然后让把实习、项目和竞赛都说一遍。没怎么问问题，就根据简历问了一两个简单的小问题。然后做题，本来说三道题，第一道过了，第二道的时候代码写完让自己测一下，结果我太菜了，构建二叉树构建了半天😂😂😂面试官说时间够了，今天就到这儿吧。 总结：我太菜了，建个树都不会。。#秋招##提前批##百度##算法岗#

阿里云算法二面凉经，本来以为还是业务面，没想到是主管面，猝不及防 1、面试官介绍自己和团队业务 2、自我介绍 3、问了一个本科的项目 4、为什么硕士和本科阶段的方向不一样，为什么想着换方向？（没答好，太实诚了。。。） 5、为什么选现在这个导师，实验室有哪些方向？（背景调查？） 6、有没有了解最新的一些领域的前沿进展？（简单讲了一下） 7、反问环节：面试后续流程 没有算法题，面试时间30多分钟，大部

初筛完成进入面试 一面：53分钟，主要是介绍实习，项目，比赛，C++八股和python语法使用！每一个细节问的都比较细，我是从实习开始介绍，每一项都很细，面试官问的挺好，很专业， 我重点做的内容是：bevfusion模型训练加部署orin平台量化推理！ 一面没有手撕 二面：34分钟，面试官是随即问的，有关深度学习，模型量化压缩都会问，手撕一道中等排序题，然后结束了！ 总之面试感觉：挺好的

总时长45mins 1、拷打论文，因为课题跟小样本学习有关，问了问很多小样本学习的内容。 2、拷打项目和来源，回答是导师和公司合作的。 3、拷打实习，问得很细，比如包括遇到了什么难点，为什么要这么做不那么做。 3.1、为什么图像分类要减均值除方差，目标检测一般不需要。 3.2、怎么提高模型泛化性。 3.3、数据集怎么采集的。 3.4、模型不收敛的原因有哪些 反问有几面，答2技术面1个HR面。 有点

泡好久了，发发面经攒人品，许愿一个offer 一面 1. 八股文： vector emplace_back和push_back的区别？resize和reserve的区别？迭代器失效的情形？map和unordered_map的区别？编译器如何实现this指针绑定的？设计模式有了解吗？ 2. 检查代码问题：一个野指针，一个空指针调用类成员函数； 3. 手撕代码：合并区间；最小栈。 面试官一上来就说，我

目前状态，10/16完成HR面 主要时间经过和进度 8/20提前二批投递简历 8/30完成测评 9/1完成笔试（有一说一长得跟期末考试试卷简直一毛一样，选择，填空，一道算法大题，基本都不难） 10/10完成专业面试（用时36min，应该是部门领导） 主要涉及：（不知道应该说简单还是，甚至面完我都以为是HR面，居然没有手撕代码也没有八股文） 1、自我介绍（基本都是我是谁，学过啥，学校啥项目，公司啥项

（为什么wxg一共有四轮技术面啊😅，麻了 teg一面挂后，被wxg捞起来了。 3.27一面 针对简历上的简历问了很多，包括一些技术细节和实现方法。八股考察了llm和传统nlp的知识 1.chatglm2与chatglm1做了哪些改进？是怎么训练的 2.微调以后的模型会出现什么问题？如何改进 3.llm的评测怎么做的 4.bert与GPT的区别？bert的pe是怎么做的？ 5.bert怎么做预训练

一面时间：3月25日11:00 ～ 11:50 自我介绍 聊实习经历，根据实习经历问了几道八股： 简单介绍attention机制 有什么和self-attention不一样的注意力机制了解过吗 为什么要使用多头注意力 然后问了一些推荐场景的业务问题，结合自己的经历聊 最后算法题：3. 无重复字符的最长子串 面试官人很好，也没有问什么刁难的题，最后反问环节问了还有什么需要加强的也给我指导了许多，面试

芯原面试岗位是算法工程师，base是南京，流程是3轮技术面+2轮HR面+CEO面。我一开始没有收到测评，以为自己简历没过筛选或者笔试没通过，结果直接发面试通知了。 技术面：3轮技术面是一起完成的，每轮30min，会有不同部门的面试官来面试你，最后综合所有面试官的面评进行筛选。3轮面试官都是围绕项目展开提问的，其中有1个面试官是做图像处理的，不是很了解，因此我全程都在对项目里的一些算法进行讲解。 第

没挖项目，自我介绍完就是一问一答，然后手撕，然后反问组内方向，除此之外0互动