《百度算法面经》专题

（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

个人情况是双九小硕，一段AIGC强相关的项目，一段小厂实习，一篇2区一作 目前投了一些AIGC和多模态方面的算法岗，分享一下遇到的面经 不同厂之间有重复的问题我就不一一列举了 京东： 1. 围绕项目问了一些具体的技术路线和细节 2. DeepFloyd的结构+优势 3. classifer guidance和~-free guidance的区别&原理 聊的非常融洽，面完感觉比较match就给过了h

淘天aigc算法面经 2.24一面（50min） gan和diffusion区别 diffusion优劣 常见的采样方式及原理 ddim dpm++ lcm turbo sdxl相比sd的改进 详细分析了每个部分的改动意图 开放问题 sora diffusion3看法 如何训练达成精准文字生成？ 问了一大堆项目 三十分钟左右 问得很细 会结合项目问相关算法原理 2.26 通知下午hr面

一面根据简历项目 开始深挖简历 中间询问是否了数学优化的经历 然后手撕代码（未出现的最小整数） 最后介绍业务，团队，还有hc的具体情况。 整体面试官谦虚，循循诱导。

一面（八月四号） 面试官人很好，很温和，挺会引导的 问了论文和科研经历，并且给了一个假想的图文匹配的场景，问你有没有什么思路 没问八股 手撕题目是合并区间，没什么太大的难度 不知道一面的结果会咋样

9.1一面 一、实习 & 项目 Q：KM算法中的权重？动态变化？ A：str / 接驾时长 Q：自注意力机制？ 二、概率题 Q：30次都不点击的概率是0.936，问10次中至少点击一次的概率？ A：1-（1-0.936）^(1/3) 三、算法题 不含重复字符的最小子串长度 9.14二面 一、问项目：实习相关 约40min Q：如何评估仿真系统的准确性？ A：校准 二、深度相关问题 Q：平台补贴场景

10月12号笔试，三道编程。 10月18号测评。面试之前需要签署一个协议《知识产权和商业秘密保护承诺书》。 面试之前hr会一次性预约一面二面的时间，如果一面通过就直接参加二面，大部分一二面是同一天完成的。我一面面完已经6点了所以二面约在了第二天上午。 10月20号一面。50分钟。介绍项目。基本上简历上写的都差不多讲了。别的同学有问笔试题思路的，我没被问到。介绍完了之后开始写算法题。我用的回溯暴力搜

#运筹优化# #实习# #OPPO# 1.自我介绍 2.单纯形法、分枝定界 3.单纯形法是不是能解所有凸优化（我说只能解线性规划，被质疑，让解释），机器学习优化过程为什么不用单纯形法、用什么方法、和单纯形法有什么区别（区别我没太搞懂，只说了一个是单纯形法是精确解，梯度下降不是） 4.整数规划是不是凸的（我说不是：整数规划的可行域不是凸集，被质疑？然后问凸集的概念） 5.机器学习，xgboost为什

#影石Insta360#  其实已经过大半年有余了，去年7月offer，现在才突然想到，应该写一下当时的经验的 本人简历：研究生，视频超分，有论文及项目，无实习，有超分竞赛经历（没奖） 一面 自我介绍 围绕简历提问，重点是技术核心和关键问题的解决 归一化目的，归一化永远是好的吗 反问，得知工作地点是研究院，偏落地 二面 自我介绍 围绕简历提问，重点是技术核心和关键问题的解决 手写transform

过程太尴尬了，大约还记得有以下几个问题： 1. 自我介绍 2. 介绍认为最有意义的一个工作，包括难点，解决方案，如何调优等等 3. 介绍GNN网络的组成 4. 在训练模型时，如何判断欠拟合和过拟合 5. 针对过拟合的解决方案 问题5我答了正则化和early stopping，面试官接着问还有什么解决方案，我答dropout 6. 训练和推理时dropout是如何做的 7. 逻辑回归使用的损失函数

9.26一面技术面 整体体验挺好的，面试官都非常礼貌，见到你都微笑的，整体体验最好，虽然我答的一般。 1.自我介绍 2.问项目，问竞赛里面的和技术有关的 3.手撕一道简单的链表题 4.提问为啥不选择深造 5.反问环节 紧接着HR面： 1.自我介绍 2.问AI发展趋势研判 3.问竞赛中的职责，leader的话，你是如何解决队员的问题的 4.提问意向城市，为啥想去广东发展 5.问对vivo未来AI应用

自我介绍 问实习： （1）特征工程做了什么（这段回答很不好，因为广告业务会有很多特征工程，时间戳处理、时间窗口内统计信息等，我当时回答的时候按照实习实际情况回答的，特征工程工作比较少，感觉没有回答到面试官心坎上） （2）异常值/缺失值怎么处理的？（这块同上，回答的有点单薄） （3）xgb怎么对特征重要性排序的？（只回答出了分裂次数） （4）为什么选用自定义的这个损失函数？权重是什么？ 还问了其他一