《HPC高性能计算工程师》专题

开头自我介绍 自我介绍完了，就详细介绍自己的项目 一个项目完了，就会进行提问 你说到的，都会问，所以尽量不要介绍自己不会的，用来装饰的，提b格的那种，被问住了很尴尬 问项目中遇到的难点，怎么解决，描述遇到的困难，确实是个挺难的问题，反正我是不怎么会说 没有手撕 最后反问 然后他问意向工作城市，期望年薪 #面经##面经一面面经##经纬恒润#

自我介绍 简单聊了聊项目中的一些实现方法： 光线追踪中的抗锯齿，项目里面用的jitter camera 讲了讲MSAA, SSAA, TAA 问了问MSAA如何判断边缘， 四倍MSAA的话一个像素执行几次片段着色器？ 色调映射、后期处理效果、亮度、曝光度、色彩度调整 有没有做过IBL（引擎项目里实现了IBL，但那部分不是我做的，讲了讲原理） Bloom效果怎么做的。 c++： 讲讲c++11/14

1. pytorch2onnx具体做了什么 2. 项目模型结构是什么样的 3. 为什么模型需要量化 4. 量化的过程做了什么，有什么样的效果 5. 量化的过程中为什么会有精度损失，损失是怎么调优的 6. LSTM怎么解决梯度爆炸和梯度消失的问题 7. 给101个硬币，其中一个是假币，称重两次判断假币比真币重还是轻 手撕（web IDE） 旋转矩阵 lc原题 方向不太match，面后秒挂 #字节##

1.算法题： 删除链表中倒数第n个节点 二叉树后续遍历 2.问项目 3.介绍一下NLP的发展过程 4.反问#vivo##面试经验分享##算法面试经验分享#

相当于 HR 面，不过问起来更深入。 内容： 自我介绍。 至今印象深刻的最大挫折；原因和解决方式。 毕业想从事的具体方向的思考，职业发展规划。 期望工作地点；简历投了哪些地方；为什么选择这些工作地点；更喜欢卷的地方还是生活安逸的地方。 考虑过去上海吗。 有没有女朋友。 期望薪资；有没有和别人交流过期望薪资。 反问： 薪资构成。 有没有开拓国际市场或者计划。 有意思的地方： 技术面时面我的竟然是他们

3.12 大概面了50分钟，大部分在深挖项目，实现细节问得比较深。 1.自我介绍，把简历内容快速过了一遍，面试官还夸了一句我做过的东西蛮充实 2.针对实习项目挖呀挖呀挖，这部分耗时最久，项目实现细节问得很详细 3.介绍一下Bert 4.GPT和Bert的区别 5.介绍一下Roberta，它的改进点在哪 6.Transformer和LSTM的结构与原理 7.介绍RLHF技术 8.介绍注意力机制 9.

主要是问一些 python 基础和实习内容吧 面试时长：35min 面试内容： * with 做什么的，有自己实现过吗 * 删除列表的空元素有哪些方法 * 如何实现单例模式 * GIL 的目的是？ * 不可变元素和可变元素的区别 * Flask 用过吗 * C++和 Python 哪个用得多 * 手撕：两个进程顺序打印 0-100 * 实习经历深挖了十分钟

面试时间：7月20日晚七点到八点十分，一小时十分钟。 按时间线梳理： 自我介绍 询问实习公司base，以及询问我的意向base和他们的base地都有哪些。 针对自我介绍中提到的实习经历进行了提问。 提问项目中涉及的Transformer，LSTM等内容，以及为何使用这些网络。 为什么Transformer要比LSTM好？ 提问项目中涉及的GAN，并让我简单介绍一下GAN。 GAN为什么会被提出？

1、自我介绍 2、拷打项目 3、数据增强方式了解哪些？ 4、Transformer的一些前沿改进（因为项目里用了Transformer） 5、期望工作地点？ 6、反问 全程比较舒服，三十分钟，过不过听天由命#科大讯飞##科大讯飞求职进展汇总#

一、自我介绍 二、实习经历问题+其他的七七八八 1.在滴滴的测试流程是什么 2.了不了解UI自动化 3.期望薪资，手头offer 4.更期望偏开发还是偏测试 三、反问 整个测试流程是什么 用什么框架技术栈（java、python） 业务是什么（车载app和手机端app测试，网络通信开发相关） 四、无代码题 上午11点面试，下午通知一面过，收到测评

笔试题目组成： 1、20道选择题 2、3道编程题 总体体验：机器学习算法岗，相比较起纯算法岗，编程部分会更简单一些。在牛客/力扣上大致排在中等左右。 选择题里面考了一道：给定邻接矩阵的深度优先遍历顺序。 编程题： 1: 三数之和 (通过全部用例): 输入[1,4,5,6,7,10,12,15], 18 从数列里面找到三个元素a, b, c, 使其和为target 输出: [ [1, 5, 12],

岗位：深度学习算法工程师 笔试：9月14日 一面(9月20日) 自我介绍 做什么方向 on-policy和off-policy DQN和PPO 为什么要提出PPO算法 论文为什么用强化学习 手撕代码：超简单，排序解决 反问 组内业务：vivo互联网，主要是应用商店等的推荐 HR面(9月23日) 自我介绍 优缺点 选一面答得不好的问题，重新回答 最大的挑战 最大的成果 实习最大的贡献 倾向城市 家庭

背景：211本硕，一作SCI一区论文两篇，无实习。 一面（9.21） 1. 自我介绍； 2. 让我挑一篇论文说一下，在我5分钟简要介绍完后，开始深挖细节，基本把这篇论文挖了个底朝天，整个过程持续了40分钟左右； 3. 特征选择的常用方法； 4. 过拟合的解决办法； 5. 闲聊时间，问我为啥不读博； 6. 反问。 总结：面试官人挺温柔的，问题都集中在我熟知的领域，面试体验极佳。 二面（9.29） 1

体验了一把。编程方向有3道题，考120分钟。 第一题 40分 leetcode 2193. 得到回文串的最小操作次数。 第二题 25分 输入：两个整数n和m，分别表示行数和列数。 输出：一个n×m的表格，要求表格边沿用'|'标记（水平方向有三个'*'，竖直方向有一个'|'，"|对齐"）的矩阵表格。 第三题 35分 输入：一个非空字符串。 输出：出现次数最少的字符的首个索引值，如果多个字符串出现最少

一面/技术面 2024/8/6 晚上19:40-20:20 自我介绍 介绍最新的一篇在投的论文，问了几个问题 介绍NeurIPS论文 介绍腾讯实习 数据集构造？ 怎么微调的 尝试了哪些模型，为什么选择这个 尝试了哪些策略，为什么选择这个 还知道哪些长文本技术策略 除了微调还知道哪些流程（对齐） 说说提示压缩 介绍快手实习 了解哪些位置编码 偏好对齐的理解，有哪些方式 进来后你主要想做哪方面的应用