小红书大模型算法岗面试，还好我早有准备！

于 2025-04-22 10:33:58 发布
阅读量599 收藏 20
点赞数 12
文章标签： 算法 面试 职场和发展 人工智能 语言模型 学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_85325726/article/details/147411286
版权

一面

  1. 自我介绍
  2. 在学校的研究方向
  3. 论文主要解决了什么问题
  4. 讲一下之前大模型项目实习经历
  5. LLaMA1/2/3的异同？
  6. 介绍下LLaMa关键技术点？
  7. 大模型的参数量为什么设计成 7B，13B，33B，65B 等如此怪异的数字？
  8. 为什么vllm能够加快大模型推理速度？
  9. 如何让大模型基于问题和 context 生成高质量的回答？
  10. RLHF 训练过程是怎么样的？
  11. DPO如何解决RLHF存在问题？
  12. BERT和GPT的区别，都是怎么训练的
  13. transformer和lstm+attention相比，主要的改进点是什么
  14. 算法题：lc115，不同的子序列
  15. 反问：部门业务和工作时长等

二面

这是我遇到过最难的手撕算法面试题，在提示下很久才做出来。

  1. 自我介绍
  2. 实习期间最有意义事情是什么？
  3. 你觉得LLM对做推荐算法有什么帮助吗？
  4. LLM与推荐结合落地方面遇到什么问题？
  5. LLM想要和推荐结合，有没有可落地的方案？
  6. 抖音和小红书的推荐系统你觉得有什么差别，从算法的角度谈一谈
  7. 小红书和抖音的冷启动处理机制，你觉得有什么区别？
  8. 如何优化大模型检索过程，以减少延迟和提高效率？
  9. 大模型训练推理框架平时用那些？
  10. 详细说说Deepspeed的机制
  11. 大模型训练，什么时候需要预训练？什么时候需要sft？什么时候需要dpo？
  12. 如何提高模型的泛化能力？
  13. 算法题1：有n个灯泡，一开始都关闭，执行n轮操作，第k轮将序号为k的倍数的灯的状态反转，请问n轮操作后有几盏灯是亮着的。
  14. 算法题2：给定一个数组，每次从中取出一个数k，然后将数组中所有k-1和k+1都去掉，请问如何取才能保证所取的数之和最大，最大值为多少。

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。
在这里插入图片描述

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

在这里插入图片描述

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！

大模型全套学习资料领取

这里我整理了一份AI大模型入门到进阶全套学习包，包含学习路线+实战案例+视频+书籍PDF+面试题+DeepSeek部署包和技巧，需要的小伙伴文在下方免费领取哦，真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
在这里插入图片描述

部分资料展示

一、 AI大模型学习路线图

整个学习分为7个阶段
在这里插入图片描述
在这里插入图片描述

二、AI大模型实战案例

涵盖AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，皆可用。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

三、视频和书籍PDF合集

从入门到进阶这里都有，跟着老师学习事半功倍。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

四、LLM面试题

在这里插入图片描述
在这里插入图片描述

五、AI产品经理面试题

在这里插入图片描述

六、deepseek部署包+技巧大全

在这里插入图片描述

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取~
在这里插入图片描述

AI小白熊
关注
小红书-社区搜索部 (NLP、CV算法实习生) 二面面经
weixin_43646592的博客
05-24 441
小红书-社区搜索部 (NLP、CV算法实习生) 二面面经
腾讯 - TEG(NLP算法实习生) 一面面经
weixin_43646592的博客
05-26 689
腾讯 - TEG(NLP算法实习生) 一面面经
怎么看大模型、RAG、Agent、知识库、向量数据库、知识图谱、AGI的区别和联系？...
musicml的博客
05-17 4073
▼最近直播超级多，预约保你有收获我们要把 AI 大模型当做人的大脑，因此调用 AI 大模型，相当于调用一个人，把 AI 大模型当人看，TA 懂人话、TA 说人话、TA 会直接给出结果，但结果不一定正确。因此在 AI 大模型的推理基础上，通过 RAG、Agent、知识库、向量数据库、知识图谱等技术手段实现了真正的 AGI（通用人工智能）。这些技术到底有哪些区别和联系，下图作了横向对比，接下来我们详细...
Agent、RAG、LangChain：AI领域的三位一体
Z4400840的博客
12-30 1021
尽管Agent、RAG和LangChain技术在大模型应用中展现出巨大的潜力，但它们也面临一些挑战。例如，RAG技术在处理大规模数据时的效率问题，以及如何确保检索到的信息始终是最新的。此外，LangChain在不同场景下的适用性和扩展性也是开发者需要考虑的问题。通过深入解析Agent、RAG和LangChain技术，我们不仅能够更好地理解它们在大模型应用中的作用，还能预见它们在构建智能系统中的广阔前景。希望本文能够为读者提供有价值的见解，激发更多关于智能技术应用的思考与创新。
大模型：一篇搞懂Agent、RAG、LangChain之间的关系
Code1994的博客
07-24 4762
Agent、RAG（Retrieval-Augmented Generation）、LangChain 这些术语在人工智能和自然语言处理领域中有着各自的含义和应用。
大白话讲解： Agent、 LLM 、RAG 、提示词工程
2401_85325726的博客
04-10 686
LLM是大脑，负责理解用户需求、生成文本；RAG提供最新景点和餐厅数据，避免推荐已关闭的店铺；Agent协调整个流程：先查天气，再调地图API算路线，最后用LLM生成行程；提示词则是你给AI的详细需求文档，确保输出符合预期。如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
终于搞懂Agent、RAG、LangChain的关系了！
xxue345678的博客
07-25 6875
我们经常能听到某个大模型应用了 Agent技术、RAG技术、LangChain技术，它们似乎都和知识库、检索有关，那么这三者具体指什么，相互有什么关系呢，今天来介绍一下Agent指的是具有一定智能和自主行为能力的实体，它可以做出规划、调用工具、执行动作。它利用内置的大语言模型来做出规划，决定执行哪些步骤，每个步骤需要调用哪些工具(如 RAG)，之后调用相应的工具，最终完成任务。RAG用于提升大模型回答问题的准确性。
小红书算法岗面试，竞争太激烈了
Python数据挖掘
10-06 1213
知道晋升被卡的结果，我开始重新登录 LeetCode，历时一个多月，面试了多家企业。经过多轮面试和准备，最后选择了小红书。
算法工程师2021年社招面试
orangerfun的博客
03-27 1029
两者最大的不同就是TensorFlow的计算图是静态的，而PyTorch使用动态的计算图；在TensorFlow中，我们定义计算图一次，然后重复执行这个相同的图，可能会提供不同的输入数据。函数来完成: torch.bernoulli 函数 是从伯努利分布中根据input的概率抽取二元随机数(0或者1)，输出与input相同大小的张量, 输出的张量的值只有0和1.一个由0，1组成的矩阵，随机给定一个start的坐标(x，y)，求从start开始便利万矩阵中所有1所经过的最短路径。
2020年小红书校招数据分析笔试题详解
data_cola的博客
10-20 3839
1、如果在小红书商城中某一商户给一产品定价，如果按照全网最低价500元定价，那么客人就一定会选择在此购买；价格每增加1元，客人的流失的可能性就会增加1%。那么该商户给客人报出最优价格为（） A、520 B、535 C、550 D、565 答案：C 解析： 要求定价为多少时，利润能最大。设价格涨幅为x，利润为y，M为顾客数未知，但是一个固定值。求二元一次方程y=M(1-x/100)x的最大值。 2、在一次集卡活动中，有5种不同的卡片以相同的概率出现，每分享一次笔记就可以得到一张卡片，集齐所有卡片.
大模型Agent 和 RAG 的关系
雨落
03-01 992
（1）Agent定义：Agent 是一种智能体，能够感知环境并采取行动以完成特定任务。在 NLP 领域，Agent 通常指一个基于大语言模型（LLM）的系统，具备规划、推理、记忆和执行复杂任务的能力。特点：具备多步骤推理能力。可以调用外部工具（如搜索引擎、API、数据库）来增强功能。支持动态交互，适合对话系统或任务自动化场景。
一文说清楚Agent、RAG、LangChain这三者有什么关系。
最新发布
2501_91386299的博客
04-10 1050
概念定义核心角色Agent具备自主决策能力的智能体，通过感知环境、规划行动、调用工具完成任务（如回答问题或执行操作）。任务执行者：自主调用工具、处理复杂流程。RAG检索增强生成技术，结合检索（从外部知识库获取信息）和生成（基于检索内容生成回答）的混合模型。知识增强器：解决模型幻觉，提升生成结果的可信度和准确性。LangChain用于构建端到端语言模型应用的开发框架，提供模块化工具链（如链式调用、工具集成、记忆管理等）。基础设施：简化 Agent 和 RAG 的开发与集成流程。LangChain。
AI 中常用的 RAG，Agent 和 workflow 怎么区别
段传涛 的专栏
01-10 1978
AI 中的和是三种不同的概念，它们分别解决不同的问题，常在构建智能系统时协同使用。
提示词、RAG、微调哪个会让大模型表现更好？
2401_85373396的博客
10-10 1185
在大模型的应用中，提示词（Prompting）、检索增强生成（Retrieval-Augmented Generation, RAG）和微调（Fine-Tuning）是三种常见的技术手段。每种方法都有其独特的优点和适用场景，选择哪种方法取决于具体的应用需求和资源限制。下面是对这三种方法的详细比较：
RAG 提示工程系列（一）
zphyix的博客
04-05 3825
如此看来，想要让模型进一步降低幻觉，不仅仅要靠结构化提示词和强悍的模型，基于外部的准确知识片段同样重要。即使在上下文中存在知识片段但确是错误知识的情况下，模型仍然没有直接回答问题，这可能是因为模型在生成回答时，会考虑到多种因素，包括但不限于上下文的准确性、问题的合理性以及模型内部的约束机制。微调可以提高非微调模型的性能，并使交互更加频繁有效率的它特别适合强调基础模型中的现有知识，修改或自定义模型的输出，并向提供复杂的指令模型然而，微调不适合合并模型中的新知识或需要的情况新用例的快速迭代。
检索增强生成 (RAG) 的 5 大 提示词，非常实用！
Q2024107的博客
03-30 692
优化提示词的方式，直接决定了 RAG 的表现。从精简查询到思维链推理，每种策略都在解决同一个核心问题——如何精准检索上下文，让模型正确整合信息，并合理应对不确定性。 不断试验是关键。 甚至微小的提示词调整，都可能对最终结果产生显著影响。因此，在实际应用中，持续优化提示词设计，观察模型的反馈，再根据效果调整，能让 RAG 更加精准和高效。 如果你正考虑搭建新的 RAG 应用，或想优化现有的 RAG 方案，那么一个能整合检索、提示词优化和工作流管理的平台会极大提高效率。笔者认为，统一管理这些环节，可以帮助你
03浅谈提示工程、RAG和微调
记录个人日常所学所思
07-05 723
通俗理解提示工程/RAG及微调
【大模型】大模型提示词工程与RAG：异同解析
沐风—云端行者
07-05 1329
提示词工程是一种利用精心设计的指令或上下文来引导预训练模型完成特定任务的技术。它通过向模型提供特定的输入模板，激发模型的内部知识和推理能力，使其能够理解和生成符合预期的输出。RAG是一种结合了信息检索技术和文本生成能力的方法，它旨在从大规模文档或知识库中检索出最相关的信息片段，并利用这些信息生成高质量的回答或文本，尤其适用于需要精准信息支持的场景。
五分钟弄清楚爆火的提示工程，RAG和微调
YeJuliaLi的博客
01-02 2644
大模型语境下的提示工程，RAG和微调是现在非常热点的几个不同的技术方向，他们具体是什么呢？三者的共性与区别是什么呢？今天一文带你搞清楚。提示工程（Prompt Engineering）提示工程相对是大家比较熟悉的概念，指的是通过精心设计，并且优化针对large language model的输入，来激发large language model的潜能，引导他在不同的任务上面呈现出更加精准，更加相关的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值