面了百度 CV 算法岗（实习）三轮，我要上岸了

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。

今天分享一个去百度实习的球友的面经，喜欢技术交流，可以文末加入我们，记得收藏、点赞、关注我们。

---

说实话，今年找个实习太难了，大环境不好，岗位太少了，在星球感谢各位大佬的辅导，今天我也分享一下我们的面经。

百度是我年初找日常实习的第一个大厂，之前还面了唯品会，小红书等公司，很惊喜这几个都顺利拿到了实习offer。

最终我还是去百度实习，今天把面试题分享出来，给广大焦虑的同学一些真实经验。需要交流，可以在星球来撩。

一面

简单自我介绍
介绍一下论文，面试官详细问了根据伪标签置信度,和样本难度设计课程学习的实现方式，让写了个伪代码。
论文里提到有用 attention，介绍一下 attention 的,有哪些以及原理？
论文是你自己完成的还是有和其他团队合作？过拟合的表现有哪些？BN训练和测试的区别在哪里？梯度下降的公式？

代码考察

1、写一下softmax函数？这里面如果xi很大会出,现指数上溢问题，怎么修改代码？
2、基于1，把softmax写成一个class，并实现,forward()和backward()？这里的backward()让我,现在纸上推导梯度，推了后草稿纸给他看了，让我补充梯度情况。然后代码实现
3、leetcode题：最大连续子数组和

二面

介绍一下多模态检索比赛,
比赛里的 MeanRecall 指标怎么算的？只有这一个指标吗
讲一下比赛用到的gradientcheckpoints节省内存,的原理是啥？时间换空间，前向时只存部分节点的,激活值，反向时重新计算需要的节点激活值
讲一下混合精度训练的原理
介绍一下CLIP模型？两个方面，文本作为视觉的,监督信号进行预训练，zero-shot比较强大使得想,要预测的图片类别不再局限于预训练的label
说说你认为CLIP为什么会这么强大？答：训练数,据来源是大量(几十亿)的Weblmage及文本对，所,以数据来源比较广泛；还有对比学习这种代理任务,比较简洁，可以使模型专注于学习两种模态数据的,对齐能力,你比赛成绩排在第五，和前几名的差距在哪里？,

代码考察,
1、leetcode原题 课程表二
2、leetcode原题 两链表求和，把结果存在新链表。开始用了暴力方法，面试官说不使用额外空,间怎么做，于是遍历链表逐元素相加并考虑进位

三面

部门经理面：
问了问什么时候来实习，能实习多久？
怎么克服导师那边的事儿,如果技术不太匹配，做的偏图像检索和他们的3D,视觉不太合，怎么解决？
与前两轮面试官交流感觉怎么样
反问：部门还有实习生hc吗？

技术交流群

前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了算法岗技术与面试交流群， 想要大模型技术交流、了解最新面试动态的、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2040。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。

想加入星球也可以如下方式：

方式①、微信搜索公众号：机器学习社区，后台回复：星球
方式②、添加微信号：mlc2040，备注：星球

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