面了阿里淘天大模型算法岗，整体氛围比较轻松-CSDN博客

本文链接：https://blog.csdn.net/2401_84204207/article/details/146456694

面了阿里淘天大模型算法岗，整体氛围比较轻松

最近春招和实习已开启了。

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。

部门与岗位：淘天集团 - 搜推智能产品事业部 - 多模态大模型

一面

首先是自我介绍和过项目，面试官还一起探讨项目用到的方法，可行性之类的
介绍一下 CLIP
了解 LoRA 吗，LoRA 微调的原理是什么
了解哪些多模态大模型，简要介绍几个
BLIP 的三个损失函数分别是什么，数据是怎样清洗的
BLIP2 相对于 BLIP 有哪些改进，BLIP3 又有哪些改进
Qwen-VL 的三个训练流程分别是什么，有什么作用
视觉编码器和 LLM 连接时，使用 BLIP2 中 Q-Former 那种复杂的 Adaptor 好还是 LLaVA 中简单的 MLP 好，说说各自的优缺点
代码：实现多头自注意力

一面比较常规，几乎都是八股问题，我觉得只要了解常见的多模态大模型都问题不大，主要还是要理解各个模型设计的动机是什么，这也是面试最喜欢考察的

二面

自我介绍和过项目，简要问了项目中使用某些方法的动机，以及是否会导致其他的问题
了解 Transformer 吗，编码器和解码器的注意力有什么区别，在计算注意力中时除以 \sqrt{d_k} 的原因是什么
后来有哪些比较经典的基于 Transformer 的语言模型，Qwen 相比于原始 Transformer 有哪些结构上的改动，Qwen2 又有哪些改进
了解 RLHF 吗，DPO 和 PPO 有什么区别，Loss 是什么样的，各自的优缺点是什么
介绍一下 CLIP，还了解什么其他的对比学习方法
开放题：了解哪些多模态大模型，目前多模态大模型最大的问题是什么
代码：1143. 最长公共子序列

二面其实也偏常规，几乎也都是八股问题，但是也考察了一些对模型的理解以及知识面的广度，整体来说比一面的难度大一些

三面

自我介绍，然后详细过了一下项目
了解哪些大模型和多模态大模型，然后就聊了大模型这一路是怎么发展过来的，Transformer、BERT、GPT、LLaMA、Qwen 这些，以及当时的 o1 推理模型
平常有尝试过训练过大模型吗，规模小一点的也没关系
聊天，包括职业规划等等

三面比较轻松，面试官说知识点前面两面都考察过了，三面就轻松一些，大概40来分钟吧

总结

整体来说面试体验比较好，问的问题都不难，面试官也都不错，遇到一些卡壳的地方也会进行引导讨论，面试氛围很轻松。三面应该是加面的大老板面，从交流可以看出来对整个大模型这块的理解还是很深刻的，收获不小。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。