【NLP算法面经】微软、腾讯、网易算法岗热乎面筋（★含面题整理★）

【NLP算法面经】微软、腾讯、网易算法岗热乎面筋（★含面题整理★）

---

🌟 嗨，你好，我是 青松 ！

🌈 自小刺头深草里，而今渐觉出蓬蒿。

---

NLP Github 项目推荐：

• 【AI 藏经阁】：https://gitee.com/fasterai/ai-e-book

  介绍：该仓库主要分享了数百本 AI 领域电子书

• 【AI 算法面经】：fasterai/nlp-interview-handbook#面经

  介绍：该仓库一网打尽互联网大厂NLP算法面经，算法求职必备神器

• 【大模型（LLMs）面试笔记】：https://gitee.com/fasterai/nlp-interview-handbook

  介绍：该仓库汇总了 NLP 算法工程师高频面题，适合大模型初学者和正在准备面试的小伙伴。

  希望能帮助各位同学缩短面试准备时间，不错过金三银四涨薪窗口，迅速收获心仪的Offer 🎉🎉🎉

---

---

废话不多说，直接上面筋。投递方向：广告算法工程师。

微软苏州

bing ads。他家业务很厉害。

第一轮

不过简历，直接考题。

1. 有一个数组元素[a0, a1 …]，从数组中找出连续的数组和为最大。

2. 有一个常数n，有一个数组元素[a0, a1 …]无重复元素。从数组里面找出所有可能的组合加和是n，并且输出。

第二轮

过简历，面试官不是专业学算法的。

• 如何理解kafka框架？

• 在算子开发性能的时候有哪些优化的点？

• 你在团队中发挥什么样的角色？如何使用mapreduce框架？

• 有一个数组（对，全是数组题目），从数组中找出连续数组乘积最大。

第三轮

面试官是学算法的，未来的leader。

• 如何构建user和item的特征？

• 双塔模型的结构？

• 深度学习网络Factorize Machine相对于线性模型有什么好处？

• Spark用过吗？

• 如何构建一个分布式机器学习框架？

• 假设有两个整数a，b. 那么a/b有可能除尽和除不尽。如果除尽，找出循环的单节。图论。

第四轮

直接上题目：

1. 假设一个数组只有"a"和“b”两种string 组成。如何重新安排数组，使得最多有3个a相邻，3个b相邻。如果不能安排，返回None

2. 假设有a，b两个int，转成二进制后 c = a | b. 假设从0->1, 1->0理解为一个action。最少需要多少个action计算c = a|b？

第五轮

• 问简历

• hdfs的底层原理

• mapreduce底层原理，答得一塌糊涂。

• 题目：之字型二叉树广度优先遍历。要求一定要用C语言写。

不过面试官好像不在乎，说没关系，题目做出来就行。

第六轮

boss面。

• 先问题目：如何实现a/b。a和b是string，返回double。不难。

• 聊人生：家是哪里人，为什么要从字节离职，对微软什么看法。你很优秀，接受平薪吗，微软开得不高。

聊完直接得到口头offer。

正式offer在3天后获得。

网易杭研

第一面

组长面：

• 说一下做一个推荐系统是如何从召回，粗排，精排最终推荐的？每一个环节需要注意哪些问题？

• 所以说你做的粗排环节，DSSM的好处是什么，为什么不用单塔模型？

• 如何构建用户侧特征，如何理解静态和动态特征？用过强化学习吗？强化学习在广告中的应用有哪些？

• 举出一个近几年的新广告算法，和传统的算法有相比哪些好处。

第二面

总监面

没怎么面业务，开始聊网易的团队如何如何，你来了应该承担如何如何的角色，聊完直接口头offer。

第三面

HR面

对于未来的规划，遇到最困难的事情，最大的缺点，你是上海人打算在杭州发展吗之类的。

offer在一周后获得。

腾讯上海

第一面

组长面：

• 如何理解双塔模型中cosine similarity的计算？如何理解粗排和精排的不同需求？

• 推导任一深度学习网络的反向传播，并且写出伪代码。

第二面

组长面：

• L1范数和L2范数各自的用处？Batch Nornalization有什么好处，为什么要使用，记得公式吗？

• 如何防止梯度爆炸和梯度消失，如何理解RNN与LSTM的差别？

• 当mapreduce任务中有一个reducer执行特别慢，该如何处理？

• 题目：居然与微软重合了， 从数组中找出连续数组乘积最大。

第三面

总监面：

• 业务中，召回和粗排分别负责哪些任务？如何从海量item中一步一步选出推荐的item？

• 为什么需要一步一步缩小item的候选集，而不是用一个算法直接选出推荐？

• 时间序列模型有哪些？有哪些在广告场景中成功的应用？

第四面

HR面，GM面：聊人生，没聊业务。

等了3周了，还没开奖，腾讯比较磨叽。

尾巴

微软总包涨幅5%，网易总包涨幅10%，因为在字节只有半年经验，涨幅不是很高。

工作了这么久，一个感慨就是， 不要过多透支自己的身体。最近PDD的事情闹得沸沸扬扬，令人深思。工作是一场马拉松，不是赚快钱，需要细水长流。

祝各位拿到顺利的offer！

---

大模型（LLMs）高频面题全面整理（🌟2025 Offer 必备🌟）

​全面总结了【大模型面试】的高频面题和答案解析，答案尽量保证通俗易懂且有一定深度。

适合大模型初学者和正在准备面试的小伙伴。

希望也能帮助你快速完成面试准备，先人一步顺利拿到高薪 Offer 🎉🎉🎉

一、大模型进阶面 🎯

💯【大模型进阶面 之 DeepSeek篇】 你必须要会的高频面题

查看答案

• 一、概念篇
  • Deepseek-V3的主要特点有哪些？
  • DeepSeek-V3在推理速度方面表现出色的原因有哪些？
• 二、模型结构篇
  • MLA
    • 什么是多头潜在注意力（MLA）？
    • MLA的计算流程是什么样的？
    • 训练时MLA需要配置哪些超参？
    • MLA相对于MHA有哪些改进？
  • MoE
    • 什么是MoE？
    • DeepSeekMoE包含哪两种专家类型？
    • Share 专家和Router 专家的作用是什么？
    • 讲一下DeepSeekMoE的计算流程？
    • DeepSeekMoE是如何实现负载均衡的？
  • MTP
    • 什么是Multi-Token Prediction（MTP）？
    • Multi-Token Prediction（MTP）有何作用？
    • 讲一下Multi-Token Prediction（MTP）的预测流程？
• 三、预训练篇
  • Prefix-Suffix-Middle (PSM)数据格式是什么样的？
  • DeepSeek预训练数据为何使用Prefix-Suffix-Middle (PSM)格式？
  • 介绍一下Byte-level BPE？
  • DeepSeek是如何进行长上下文扩展的？
  • DeepSeek的使用YaRN进行长上下文扩展有哪两个阶段？
  • DeepSeek预训练追求极致的训练效率的做法有哪些？
  • 批量级负载均衡（Batch-Wise Load Balance）和顺序级负载均衡（Sequence-Wise Load Balance）有何区别？
  • 使用MTP为何在提高计算效率的同时还能提升效果？
• 四、有监督微调篇
  • DeepSeek的SFT有哪几种数据？
  • DeepSeek是如何构造Reasoning Data数据的？
  • DeepSeek两种不同类型的SFT数据，区别是什么？
  • DeepSeek在SFT训练时是如何加速训练过程的？
• 五、强化学习篇
  • DeepSeek有哪两种奖励模型？
  • Rule-Based RM和Model-Based RM的区别是什么？
  • Rule-Based RM用在什么地方？有何作用？
  • Model-Based RM用在什么地方？有何作用？
  • DeepSeek是如何降低奖励欺诈风险的？
  • DeepSeek为何使用Group Relative Policy Optimization（GRPO）？
  • DeepSeek为何放弃Critic模型来估计状态的价值？
  • DeepSeek是如何进行Self-Rewarding的？
  • DeepSeek-V3从DeepSeek-R1中蒸馏知识有哪些影响？

点击查看答案

💯【大模型进阶面 之 模型编辑篇】 你必须要会的高频面题

查看答案

• 模型编辑（Model Editing）核心目标是什么？
• 对比重新预训练和微调，模型编辑的优势和适用场景是什么？
• 如何用模型编辑修正大语言模型中的知识错误？
• 如何量化评估模型编辑的五大性质？
• 模型编辑局部性如何避免“牵一发而动全身”的问题？
• 知识缓存法（如SERAC）的工作原理是什么？
• 附加参数法（如T-Patcher）如何在不改变原始模型架构的情况下实现编辑？
• 知识缓存法和附加参数法的优缺点有何优缺点？
• ROME方法如何通过因果跟踪实验定位知识存储位置？
• 元学习法（如MEND）如何实现“学习如何编辑”？
• 元学习法的双层优化框架如何设计？
• More …

点击查看答案

💯【大模型进阶面 之 模型压缩篇】 你必须要会的高频面题

查看答案

• 💯 为什么需要对大模型进行压缩和加速？
• 💯 什么是低秩分解？
• 💯 什么是奇异值分解（SVD）？
• 💯 权值共享为什么有效？
• 💯 什么是模型量化？
• 💯 什么是混合精度分解？
• 💯 什么是基于反馈的知识蒸馏？
• 💯 什么是基于特征的知识蒸馏？
• 💯 模型蒸馏的损失函数是什么？
• 💯 描述一下剪枝的基本步骤？
• More …

点击查看答案

💯【大模型进阶面 之 分布式训练篇】 你必须要会的高频面题

查看答案

• PS架构和Ring-AllReduce架构有何不同？
• 什么是张量并行，如何使用集群计算超大矩阵？
• 讲一讲谷歌的GPipe算法？
• 讲一讲微软的PipeDream算法？
• ZeRO1、ZeRO2、ZeRO3分别做了哪些优化？
• 用DeepSpeed进行训练时主要配置哪些参数？
• More …

点击查看答案

二、大模型微调面 🎯

💯【大模型微调面 之 SFT篇】 你必须要会的高频面题

查看答案

• 💯 从零训练一个大模型有哪几个核心步骤？
• 💯 为什么要对LLM做有监督微调（SFT）？
• 💯 如何将一个基础模型训练成一个行业模型？
• 💯 如何准备SFT阶段的训练数据？
• 💯 如何自动生成指令构建SFT的训练数据？
• 💯 LM做有监督微调（SFT）变傻了怎么办？
• 💯 有监督微调（SFT）和人工偏好对齐（RLHF）有何区别？
• More …

点击查看答案

💯【大模型微调面 之 PEFT篇】 你必须要会的高频面题

查看答案

• 💯 全量微调与参数高效微调的区别是什么？
• 💯 什么是轻度微调？轻度微调有哪些常用方法？
• 💯 什么是BitFit微调？
• 💯 分层微调如何设置学习率？
• 💯 什么是适配器微调？适配器微调有哪些优势？
• 💯 讲一讲IA3微调？
• 💯 提示学习（Prompting） 代表方法有哪些？
• 💯 指令微调（Instruct-tuning） 和 提示学习（Prompting）的区别是什么？
• 💯 详细说明LoRA的工作原理及其优势？
• 💯 LoRA存在低秩瓶颈问题，ReLoRA和AdaLoRA分别通过哪些方法改进？
• 💯 动态秩分配（如AdaLoRA）如何根据层的重要性调整秩？
• More …

点击查看答案

💯【大模型微调面 之 提示学习篇】 你必须要会的高频面题 查看答案

• 💯 提示学习（Prompting） 代表方法有哪些？
• 💯 前缀微调（Prefix-tining）的核心思想？
• 💯 提示微调（Prompt-tuning）的核心思想？
• 💯 P-tuning 的动机是什么？
• 💯 P-tuning v2 进行了哪些改进？
• 💯 提示微调（Prompt-tuning）与 Prefix-tuning 区别是什么？
• 💯 提示微调（Prompt-tuning）与 fine-tuning 区别是什么？
• More …

点击查看答案

💯【大模型微调面 之 RLHF篇】 你必须要会的高频面题

查看答案

• 💯 RLHF有哪几个核心流程？
• 💯 RLHF与SFT的本质区别是什么？为什么不能只用SFT？
• 💯 什么是人类偏好对齐中的"对齐税"(Alignment Tax)？如何缓解？
• 💯 在强化学习中，基于值函数的和基于策略的的优化方法有何区别？
• 💯 什么是近端策略优化（PPO）？
• 💯 RLHF中的PPO主要分哪些步骤？
• 💯 PPO中的重要性采样(Importance Sampling)如何修正策略差异？
• 💯 DPO如何通过隐式奖励建模规避强化学习阶段？
• 💯 DPO vs PPO：训练效率与性能上限的对比分析？
• 💯 RLHF训练数据的格式是什么样的？
• 💯 如何选择人类偏好对齐训练算法？
• More …

点击查看答案

💯【大模型微调面 之 提示工程篇】 你必须要会的高频面题

查看答案

• 💯 Prompt工程与传统微调的区别是什么？
• 💯 如何规范编写Prompt？
• 💯 上下文学习三种形式（零样本、单样本、少样本）的区别？
• 💯 如何通过预训练数据分布和模型规模优化上下文学习效果？
• 💯 思维链（CoT）的核心思想是什么？
• 💯 按部就班（如 Zero-Shot CoT、Auto-CoT）、三思后行（如 ToT、GoT）、集思广益（如 Self-Consistency）三种 CoT 模式有何异同？
• More …

点击查看答案

三、大模型（LLMs）基础面 🎯

💯【大模型基础面 之 LLM架构篇】 你必须要会的高频面题

查看答案

• 💯 LLM架构对Transformer都有哪些优化？
• 💯 什么是正弦（Sinusoidal）位置编码？
• 💯 什么是旋转位置编码（RoPE）？
• 💯 RoPE相对正弦位置编码有哪些优势？
• 💯 RoPE如何进行外推？
• 💯 如何进行位置线性内插（Position Interpolation）？
• 💯 NTK-Aware Scaled RoPE 和位置线性内插的区别是什么？
• 💯 PreNorm和PostNorm有何不同？
• 💯 为什么PreNorm通常能提升训练稳定性？
• 💯 为何使用 RMSNorm 代替 LayerNorm？
• 💯 LLM使用SwiGLU相对于ReLU有什么好处？
• 💯 SwiGLU的参数量是否会显著增加？如何优化？
• More …

点击查看答案

💯【大模型基础面 之 注意力机制篇】 你必须要会的高频面题

查看答案

• 💯 为什么要引入 Attention 机制？
• 💯 Soft Attention 是什么？
• 💯 Hard Attention 是什么？
• 💯 Self-Attention 是什么？
• 💯 多查询注意力（Multi-Query Attention）是什么？
• 💯 分组查询注意力（Grouped Query Attention）是什么？
• 💯 分页注意力（Paged Attention）是什么？
• 💯 闪存注意力（Flash Attention）是什么？
• More …

点击查看答案

💯【大模型基础面 之 Transformer篇】 你必须要会的高频面题

查看答案

• 💯 Transformer 整体结构是怎么样的？
• 💯 Transformer的输入中为什么要添加位置编码？
• 💯 Transformer的位置编码是如何计算的？
• 💯 Position encoding为什么选择相加而不是拼接呢？
• 💯 多头注意力相对于单头注意力有什么优势？
• 💯 Transformer中自注意力模块的计算过程？
• 💯 什么是缩放点积注意力，为什么要除以根号d_k？
• 💯 批归一化和层归一化的区别？
• 💯 Layer Normalization 有哪几个可训练参数？
• 💯 Transformer 中有几种 Mask？
• More …

点击查看答案

四、NLP 任务实战面 🎯

💯【NLP 任务实战面 之 文本分类篇】 你必须要会的高频面题

查看答案

• 如何用检索的方式做文本分类？
• 如何用Prompt的方式做文本分类？
• 使用LLM做文本分类任务为何需要做标签词映射（Verbalizer）？
• 文本分类任务中有哪些难点？
• 如何解决样本不均衡的问题？
• 如果类别会变化如何设计文本分类架构？
• More …

点击查看答案

💯【NLP 任务实战面 之 实体识别篇】 你必须要会的高频面题

查看答案

• 实体识别中有哪些难点？
• CRF为什么比Softmax更适合NER？
• 如何使用指针标注方式做NER任务？
• 如何使用多头标注方式做NER任务？
• 如何使用片段排列方式做NER任务？
• 实体识别有哪些常用的解码方式？
• 如何解决实体嵌套问题？
• 实体识别的数据是如何进行标注的？
• 如何解决超长实体识别问题？
• More …

点击查看答案

💯【NLP 任务实战面 之 关系抽取篇】 你必须要会的高频面题

查看答案

• 常见关系抽取流程的步骤是怎样的？
• 如何抽取重叠关系和复杂关系？
• 介绍下基于共享参数的联合抽取方法？
• 介绍下基于联合解码的联合抽取方法？
• 关系抽取的端到端方法和流水线方法各有什么优缺点？
• 在进行跨句子甚至跨段落的关系抽取时，会遇到哪些特有的挑战？

点击查看答案

💯【NLP 任务实战面 之 RAG篇】 你必须要会的高频面题

查看答案

• 用户问题总是召回不准确，在用户理解阶段可以做哪些优化？
• 文档问答中，如何构建索引，提升对用户问题的泛化能力？
• 如何合并多路检索的结果，对它们做排序？
• BM25检索器总是召回无关的知识，最可能的原因是什么？
• 如何构建重排序模型的微调数据？
• More …

点击查看答案

五、NLP 基础面 🎯

💯【NLP 基础面 之 分词篇】 你必须要会的高频面题

查看答案

• 💯 如何处理超出词表的单词（OVV）？
• 💯 BPE 分词器是如何训练的？
• 💯 WordPiece 分词器是如何训练的？
• 💯 Unigram 分词器是如何训练的？
• More …

点击查看答案

💯【NLP 基础面 之 词嵌入篇】 你必须要会的高频面题

查看答案

• 基于计数的表示方法存在哪些问题？
• CBOW 和 Skip-gram 哪个模型的词嵌入更好？
• Word2Vec的词向量存在哪些问题？
• 为什么说Word2vec的词向量是静态的？
• Word2Vec如何优化从中间层到输出层的计算？
• 负采样方法的关键思想的关键思想是什么？
• More …

点击查看答案

💯【NLP 基础面 之 CNN篇】 你必须要会的高频面题

查看答案

• 卷积核是否越大越好？
• 1×1 卷积的作用？
• 为何较大的batch size 能够提高 CNN 的泛化能力？
• 如何减少卷积层参数量？
• SAME 与 VALID 的区别？
• More …

点击查看答案

💯【NLP 基础面 之 RNN篇】 你必须要会的高频面题

查看答案

• RNN的输入输出分别是什么？
• RNN是如何进行参数学习（反向传播）的？
• 用RNN训练语言模型时如何计算损失？
• RNN不能很好学习长期依赖的原因是什么？
• 怎么解决RNN的梯度爆炸问题？
• More …

点击查看答案

💯【NLP 基础面 之 LSTM篇】 你必须要会的高频面题

查看答案

• LSTM 如何缓解 RNN 梯度消失的问题?
• LSTM中记忆单元的作用是什么？
• LSTM有几个门，分别起什么作用？
• LSTM的前向计算如何进行加速？
• LSTM中的tanh和sigmoid分别用在什么地方？为什么？
• More …

点击查看答案

💯【NLP 基础面 之 BERT模型篇】 你必须要会的高频面题

查看答案

• 为什么说BERT是双向的编码语言模型？
• BERT 是如何区分一词多义的？
• BERT的输入包含哪几种嵌入？
• BERT的三个Embedding直接相加会对语义有影响吗？
• BERT模型输入长度超过512如何解决？
• 什么是 80-10-10 规则,它解决了什么问题？
• BERT 嵌入与 Word2Vec 嵌入有何不同？
• More …

点击查看答案

💯【NLP 基础面 之 BERT变体篇】 你必须要会的高频面题

查看答案

• ALBERT 使用的参数缩减技术是什么？
• RoBERTa 与 BERT 有什么不同？
• 在 ELECTRA 中，什么是替换标记检测任务？
• 如何在 SpanBERT 中掩盖标记？
• Transformer-XL 是怎么实现对长文本建模的？
• More …

点击查看答案

💯【NLP 基础面 之 BERT实战篇】 你必须要会的高频面题

查看答案

• BERT为什么不适用于自然语言生成任务（NLG）？
• 在问答任务中，如何计算答案的起始索引和结束索引？
• 如何将 BERT 应用于命名实体识别任务？
• 如何进行继续预训练？
• Bert 未登录词如何处理？
• BERT在输入层如何引入额外特征？
• More …

点击查看答案

六、深度学习面 🎯

💯【深度学习面 之 激活函数篇】 你必须要会的高频面题

查看答案

• 💯 为什么激活函数需要非线性函数？
• 💯 sigmoid 函数有什么缺点？
• 💯 tanh 函数作为激活函数有什么缺点？
• 💯 为什么选 relu 函数作为激活函数？
• 💯 为什么tanh收敛速度比sigmoid快？
• 💯 LLM使用SwiGLU相对于ReLU有什么好处？
• 💯 SwiGLU的参数量是否会显著增加？如何优化？
• More …

点击查看答案

💯【深度学习面 之 优化器篇】 你必须要会的高频面题

查看答案

• 💯 SGD是如何实现的？
• 💯 Momentum 是什么？
• 💯 Adagrad 是什么?
• 💯 RMSProp是什么？
• 💯 Adam 是什么?
• 💯 批量梯度下降（BGD）、随机梯度下降（SGD）与小批量随机梯度下降（Mini-Batch GD）的区别？
• More …

点击查看答案

💯【深度学习面 之 正则化篇】 你必须要会的高频面题

查看答案

• 💯 权重衰减的目的？
• 💯 L1 与 L2 的异同？
• 💯 为什么 L1 正则化 可以产生稀疏值，而 L2 不会？
• 💯 为什么Dropout可以解决过拟合问题？
• 💯 Dropout 在训练和测试阶段的区别是什么？
• 💯 如何选择合适的 Dropout 率？
• 💯 Dropout 和其他正则化方法（如 L1、L2 正则化）有何不同？
• More …

点击查看答案

💯【深度学习面 之 归一化篇】 你必须要会的高频面题

查看答案

• 💯 为什么归一化能提高求最优解速度？
• 💯 Batch Normalization 是什么？
• 💯 Layer Normalization 是什么？
• 💯 批归一化和组归一化的比较？
• 💯 批归一化和权重归一化的比较？
• 💯 批归一化和层归一化的比较？
• More …

点击查看答案

💯【深度学习面 之 参数初始化篇】 你必须要会的高频面题

查看答案

• 💯 什么是内部协变量偏移？
• 💯 神经网络参数初始化的目的？
• 💯 为什么不能将所有神经网络参数初始化为0？
• 💯 什么是Xavier初始化？
• 💯 什么是He初始化？
• More …

点击查看答案

💯【深度学习面 之 过拟合篇】 你必须要会的高频面题

查看答案

• 💯 过拟合与欠拟合的区别是什么?
• 💯 解决欠拟合的方法有哪些？
• 💯 防止过拟合的方法主要有哪些？
• 💯 什么是Dropout？
• 💯 为什么Dropout可以解决过拟合问题？
• More …

点击查看答案

💯【深度学习面 之 模型评估篇】 你必须要会的高频面题

查看答案

• 💯 混淆矩阵有何作用？
• 💯 什么是 F1-Score？
• 💯 什么是 Macro F1？
• 💯 什么是 Micro F1？
• 💯 什么是 Weight F1？
• 💯 Macro 和 Micro 有什么区别？
• 💯 ROC 曲线主要有什么作用？
• 💯 P-R 曲线有何作用？
• More …

点击查看答案