卷了一个月，成功拿到了美团算法岗 Offer ！

节前，我们星球组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、参加社招和校招面试的同学，针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。

---

汇总合集：《大模型面试宝典》(2024版) 发布！

---

前几天，我们一位星球成员面了美团算法岗，并成功拿到了Offer。今天我整理了一些交流的内容，分享给大家。

希望对后续找工作的小伙伴有所帮助。喜欢记得收藏、关注、点赞，喜欢面试、技术交流，文末加入我们。

---

大家好，我来自北京邮电，专业是计算机，面试从 3.11 投递简历，4.7 收到 Offer，历时大概有一个月。在此特别感谢星球群的小伙伴的热心帮助。

面试内容主要聊在学校做的研究，然后发散问了一些项目问题，问了一些八股、大模型相关内容。

一面

• 介绍项目
• 项目中针对模型的设计改进，如何保证，或者说引导模型学习到你期望的能力
• Transformer 和 LSTM 的结构与原理
• 介绍 Transformer 中的位置编码
• 使用正弦和余弦函数作为位置编码有什么好处
• 介绍一下注意力机制
• 深度网络模型中权重能不能都初始化为0
• 数据集中正负样本不均衡的情况怎么解决
• 解释梯度消失和梯度爆炸
• 如何解决梯度消失和梯度爆炸
• GPT 和 Bert 的区别
• 接触过那些大模型？
• LLAMA 和 ChatGLM 的区别
• p tuning v2 和 prompt tuning 的区别
• 算法题：给出一个数组，利用快速排序的思想，找出数组中第K大的数。（快速选择）

二面

• 自我介绍
• 介绍项目
• 算法题：有一个非严格递增的矩阵，每一行第一个数大于上一行最后一个数，判断矩阵中是否存在target值
• Transformer 相较于 RNN 有什么优点
• 介绍 Transformer 中的位置编码
• 如何处理样本类别不均衡的问题
• 如果你和你的师哥/导师发生意见方案上的分歧，你会怎么做？
• 未来的职业发展规划
• 什么时候到岗，能实习多长时间
• 反问：实习生的工作安排，针对面试表现有何改进建议？

面试精选

• 一文搞懂 Transformer

• 一文搞懂 Attention（注意力）机制

• 一文搞懂 Self-Attention 和 Multi-Head Attention

• 一文搞懂 BERT（基于Transformer的双向编码器）

• 一文搞懂 GPT（Generative Pre-trained Transformer）

• 一文搞懂 Embedding（嵌入）

• 一文搞懂 Encoder-Decoder（编码器-解码器）

• 一文搞懂大模型的 Prompt Engineering（提示工程）

• 一文搞懂 Fine-tuning（大模型微调）

• 一文搞懂 LangChain

• 一文搞懂 LangChain 的 Retrieval 模块

• 一文搞懂 LangChain 的智能体 Agents 模块

• 一文搞懂 LangChain 的链 Chains 模块