大模型算法岗面试，感觉越来越卷了。。。

最近这一两周看到不少互联网公司都已经开始秋招提前批面试了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

• 《大模型面试宝典》(2024版) 正式发布

喜欢本文记得收藏、关注、点赞。

---

自 OpenAI 打开了生成式 AI 的潘多拉魔盒以来，大模型相关岗位需求明显增多。

相关岗位薪资普遍较高，大部分同学可以拿到了40w以上。在整个就业市场上，也算是妥妥的高薪了。

最近有不少同学找我进行简历辅导、职业规划和咨询如何准备AI面试。

今天我来分享一下常见的多模态算法面试题，如果你想了解更多内容，欢迎加入我们星球。

考察知识面和理解深度

1. 你了解哪些多模态大模型

2. 讲一下多模态模型的发展过程

3. 最新的多模态模型有了解吗

4. 目前多模态模型还存在哪些问题以及如何解决

5. 多模态模型的整体结构

6. 微调多模态大模型，有哪些心得

7. 如何从头训练一个多模态模型

8. 多模态模型一般支持哪些任务类型

考察对算法细节的理解

1. CLIP的原理是什么

2. BLIP的损失函数如何设计

3. BLIP2中的 Q - Former 的结构

4. 可学习的 query 的作用是什么

5. BLIP2和 BLIP 的区别是什么

6. BLIP2是如何做微调的

7. LLava和BLIP2的区别是什么

8. 双向 attention 和因果 attention

9. 场景题：如何利用多模态大模型做同款识别

10. 代码题：手写 muti head self attention

如果需要给简历增加更有质量的项目，增加面试官的认可度，或者提升算法岗的面试能力，从而在横向对比中脱颖而出，可以找我交流。

技术交流

通俗易懂讲解大模型系列

• 重磅消息！《大模型面试宝典》(2024版) 正式发布！

• 重磅消息！《大模型实战宝典》(2024版) 正式发布！

• 做大模型也有1年多了，聊聊这段时间的感悟！

• 用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总

• 用通俗易懂的方式讲解：不要再苦苦寻觅了！AI 大模型面试指南（含答案）的最全总结来了！

• 用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer

• 用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战

• 用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！

• 用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了

• 用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型

• 用通俗易懂的方式讲解：ChatGLM3-6B 部署指南

• 用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了

• 用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统

• 用通俗易懂的方式讲解：Llama2 部署讲解及试用方式

• 用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路

• 用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术

• 用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？

• 用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法

参考文献：

[1] https://betterprogramming.pub/fine-tuning-your-embedding-model-to-maximize-relevance-retrieval-in-rag-pipeline-2ea3fa231149

[2] https://github.com/weaviate/recipes/blob/main/integrations/llamaindex/retrieval-augmented-generation/naive_rag.ipynb

[3] https://medium.com/towards-data-science/retrieval-augmented-generation-rag-from-theory-to-langchain-implementation-4e9bd5f6a4f2

[4] https://github.com/run-llama/llama_index

[5] https://github.com/weaviate/recipes/blob/main/integrations/llamaindex/retrieval-augmented-generation/advanced_rag.ipynb