面了智谱大模型算法岗，效率贼高！

最近这一两周不少互联网公司都已经开始秋招提前批面试了。

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。

总结如下：

《AIGC 面试宝典》圈粉无数！
《大模型面试宝典》(2024版) 发布！

喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们星球

---

从8月12号到8月29号，我们星球一成员面试了智谱大模型算法岗。

他共计三轮技术面和一轮HR面，九月份发意向，十月份谈薪，效率实在太高了。

下面是技术面和HR面的面经总结，分享给需要的童靴们：

技术面

• 自我介绍

• 介绍实习经历

• 介绍项目中使用的语料

• Ptuning 和 lora 的原理

• Instruct 和 prompt 有什么区别？

• 是否尝试过训练 Reward 模型？

• 有没有涉及到对底层代码的更改

• ppo、dpo、RLHF 的理解

• 如何对大模型进行评测

• 讲一下 Transformer 架构

• 几种模型的注意力机制、位置编码

• 硬件资源使用情况

• 训练过程中如何进行模型监控？

• 有没有使用过大模型加速推理框架？

• 讲讲 DeepSpeed 的几个阶段，分别对什么进行分片？代价是什么？

• 说说 DP（数据并行）和 DDP（分布式数据并行）的理解。

• Coding：括号匹配、最长公共子串、合并两个升序链表

非技术面

• 介绍一下两段实习，学到了什么东西

• 实习里边你觉得带来的最大改变是什么

• 实习期间最大的挑战是什么

• 实习期间是怎么和mentor合作的

• 这边工作节奏可能比较快，怎么看待

• 找工作有哪些倾向

• 说了大模型独角兽公司的一些优缺点，让好好考虑

• 还面试了哪些企业

总结

总体上智谱AI效率比较高，问的内容偏向于实践，节奏和互联网大厂这边一致，拿到机会，比较开心。

技术交流