成功入职字节，AI大模型岗面试其实很水……

节前，我们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、今年参加社招和校招面试的同学。

针对大模型技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。

放假前，一位球友跟我聊天，拿到了字节算法岗（大模型方向）的暑期实习机会。从研一开始准备，一边实习，一边投论文，研究生期间忙碌而充实。

学校情况：211本硕，计算机科班，但研究方向并不是NLP，而是图表示学习，算是转行

论文情况：2A1B均为一作，其中1A(NeurIPS)+1B(ICDM)已发表，另有1A刊在投中

实习情况：一段快手推荐算法日常实习

今天我来整理一下他的算法面经，分享给大家，希望对后续找工作的朋友有所帮助。

一面

1. 自我介绍
2. 详细说快手的用户推荐算法实习，主要做了些什么？
3. 聊聊你本科做的负荷预测项目？
4. 说一下 Transformer 的整体结构
5. 了解有哪些位置编码方式吗？
6. 说一下 LLaMA 中的旋转位置编码
7. 为什么现在的大模型大多是decoder-only的架构？
8. LLM中的因果语言建模与掩码语言建模有什么区别？
9. 如何减轻LLM中的幻觉现象？
10. 如何评估大语言模型（LLMs）的性能？
11. 直接介绍 NeurIPS 论文，中间穿插着一些提问
12. 你的 NeurIPS 论文能和推荐那边结合起来吗？
13. NeurIPS 中论文中有没有考虑事件本身的一些属性，或者动态性什么的？
14. 让我说说后续打算怎么做动态性的一些东西？
15. 算法题：经典的求平方根，牛顿迭代法秒了
16. 算法题：判断一个字符串能否由另一个字符串旋转而来，比如abcd旋转后可以变成dabc或者bcda等，写完后面试官要求O(1)

二面

1. 自我介绍
2. 详细介绍快手实习，中间穿插了十来个问题
3. 介绍论文
4. 简述GPT和BERT的区别
5. 讲一下生成式语言模型的工作机理
6. ChatGPT的零样本和少样本学习
7. Transformer 的多头注意力机制
8. 为什么Transformer的架构需要多头注意力机制？
9. transformer中，同一个词可以有不同的注意力权重吗？
10. 有哪些常见的优化LLMs输出的技术？
11. 参数高效的微调（PEFT）有哪些方法
12. 请简述下PPO算法流程，它跟TRPO的区别是什么？
13. DeepSpeed 是否了解？对算子融合做了哪些优化？
14. 算法题：BFS 求岛屿数量
15. 算法题：回文子串的一个题，dp
16. 反问环节

【一一AGI大模型学习 所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理资源合集

③200本大模型PDF书籍

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧LLM面试题合集

​

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。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓