比亚迪算法岗面试，问的贼细！

最新推荐文章于 2024-07-25 23:26:35 发布

小马不会过河

最新推荐文章于 2024-07-25 23:26:35 发布

阅读量659

点赞数 27

文章标签：算法面试职场和发展 AI大模型 AIGC

本文链接：https://blog.csdn.net/m0_59163425/article/details/138717065

版权

大家好，今天给分享我们一位粉丝的面试总结。

该粉丝投的岗位比较多，主要方向是 NLP，也包括一些多模态、大模型、推荐相关的算法岗位，最终拿到了腾讯、京东和迪子的 offer。

心得

算法岗面试，面试官一般会从你的项目经历里挑选和他们工作内容比较相关的点提问，喜欢不断深入和扩展，印象最深的就是比亚迪的一次面试，问的贼细，差点坑不住了。。。

其次八股文基本上是必问的，有一些中小厂特喜欢问八股。

最后是自己的一点见解，对于非研究性质的算法岗位，论文的权重并没有很大（也看面试官的喜好），反而是相关的实战项目经历会非常重要。有意找算法岗的朋友，可以找我交流。

面试题汇总

1.用语言介绍一下 Transformer 的总体流程
2.深度学习的三种并行方式：数据并行，模型并行，流水线并行
3.Deepspeed分布式训练的理解，zero 0-3的理解
4.对于CLIP的理解
5.说几种对比学习的损失函数，以及它们的特点和优缺点
6.说说大模型生成采样的几种方式，它们的特点和优缺点比较
7.损失函数中温度的作用
8.BLIP 的细节。面试中提的问题是 BLIP 为什么将训练分成两个阶段
9.Visual Encoder 有哪些常见的类型？
10.深度学习中常用的优化器有哪些？
11.SimCSE 的理解
12.prenorm 和 postnorm
13.LLaMA 2 的创新、ChatGLM的创新点、Qwen的创新点、Baichuan的创新点
14.LLM 的评估方式有哪些？特点是什么？
15.文本生成模型中生成参数的作用（temperature，top p，top k，num beams）
16.LoR A的作用和原理
17.CoT 的作用
18.神经网络经典的激活函数以及它们的优缺点
19.softmax 函数求导的推导
20.BERT 的参数量如何计算？
21.AUC 和 ROC
22.batch norm 和 layer norm
23.大模型训练的超参数设置
24.经典的词向量模型有哪些？
25.InstructGPT 三个阶段的训练过程，用语言描述出来
26.大模型推理加速的方法
27.Transformer 中注意力的作用是什么
28.RNN、CNN 和 Transformer 的比较（复杂度，特点，适用范围等）
29.产生梯度消失问题的原因有哪些？
30.大模型的幻觉问题
31.大模型训练数据处理
32.RLHF 的计算细节
33.构建 CoT 样本的时候，怎么保证覆盖不同的场景？
34.回收的三个指标：Recall、NDCG、RMSE
35.RoPE 和 ALiBi
36.交叉熵、NCE 和 InfoNCE 的区别和联系
37.贝叶斯学派和概率学派的区别
38.一个文件的大小超过了主存容量，如何对这个文件进行排序？应该使用什么算法？
39.Python 中的线程、进程和协程
40.python 中的生成器和迭代器

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

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。

在这里插入图片描述