美团大模型实习岗 Last Day，有点不舍......

最近这一两周看到不少互联网公司都已经开始秋招提前批了。

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，帮助一些朋友解惑答疑，分享技术面试中的那些弯弯绕绕。

---

美团实习两个多月了，受益良多，这是我第一次来大厂实习，后悔没有早早去找实习，实习真的比学校收获的多的多。在实习期间做了一个项目，从取数到模型上线由导师指导，然后我自己完成的，没有一点dirty work，真的舒服，感动。

同时也被大厂的流程和效率感动，虽然美团比较扣，但是对实习生尤其是校招生的培养还是挺友好的。美团上海相对而言没有北京卷，我所在的组的同事都超好，都有些舍不得了。

是时候滚回学校准备秋招了，有问题欢迎大家与我交流。

面经总结

可能是因为实习生岗位吧，感觉不是很难，偏技术面一点，整体效果还行，问到很多技术都比较简单，很多问题都是原问题，所以回答起来会比较轻松一点。

总结一下我常被问到的面试题：

1. 项目介绍

2. 在项目中，你用到 Bert，你能不能介绍一下 BERT和GPT的训练方式的区别？

3. 简单介绍一下，transformer架构？Transformer的输入和输出分别是什么？

4. 说一下 Transformer 的输出和 Bert 有什么区别

5. self-attention的公式及参数量，为什么用多头，为什么要除以根号d?

6. 大模型的模型架构有哪些？

7. ChatGPT对比GPT-3的性能提升主要来源于哪些方面？

8. InstructGPT 和 ChatGPT 模型中使用的关键技术(SFT->RLHF)

9. 大模型中常见的位置编码？

10. 大模型高效参数微调方法？讲一讲 lora 微调

11. 讲一讲ppo流程 dpo流程

12. 为什么一定要用偏好对齐不用sft? 你认为偏好对齐和sft区别在哪里？各自优缺点是什么

13. 你觉得 RAG 和长上下文的区别在哪里？各自有什么优势？

14. 如何实现长上下文？

15. llama3 和 llama2 的区别？从数据角度，如何将15T的数据喂到模型里做训练才能稳定？

16. 在微调阶段，如果出现了训练不稳定怎么办？比如出现了抖动，loss突然增大怎么办？

17. 了解推理加速方法吗？

leetcode 题

1. hot 100 hard 二叉树最大路径

2. 升序数组构建平衡二叉搜索树

3. 中序遍历

（完）

在这里，我想要强调的是：成功求职并不是一件难事，关键在于你是否做好了充分的准备。通过学习和掌握AI技术的相关知识和技能，了解面试中可能出现的问题和技巧，你就能够在面试中展现出自己的专业素养和实力，赢得面试官的青睐和认可。因此，让我们一起努力，用知识和技能武装自己，迎接AI时代的挑战和机遇吧！
有需要的朋友可以扫描下方二维码，免费获取更多相关资料！

最后，祝愿所有转行、求职的同学都能够在AI产品面试中取得优异的成绩，找到心仪的工作！加油！

大模型基础面

大模型进阶面

大模型微调面

大模型langchain面

大模型推理面

更多面试题分享