我要评论年底了，技术群组织了一场算法岗技术&面试讨论会，邀请了一些同学分享他们的面试经历，讨论会会定期召开，如果你想加入我们的讨论群或者希望要更详细的资料，文末加入。
喜欢本文记得收藏、关注、点赞。
文章目录
bat 两个
大家好，今年秋招收获: bat两个oc一个评估中，其余互联网oc*2，积点功德，等更多oc，offer
- 岗位：nlp 算法岗
- 学习：南京大学
- 专业：计算机类
面试oj题
- 字典树构建，用字典树做搜索/分词; 求平方根
- 编辑距离，正则表达式匹配，寻找两个有序数组中位数，合并k个升序链表变体，岛屿数量，二叉树层次遍历，二叉树最大路径和，数组中第k大的元素等（lc hot100）
- python解析json结构，正则表达式匹配（re）
- 手撕: multihead self attention, logistic regression, layernorm(pytorch可用)
大模型:
今年nlp面试感觉逃不了大模型
- deepspeed框架介绍
- lora介绍，了解什么其他高效微调方法
- prompt tuning, instruct tuning, fine tuning差别
- llama中per norm，rmsnorm的介绍，优劣，position embedding构造方法
- prompt构造经验，怎样的prompt更好
业务场景
可能是本人业务经验少，问得大部分都是“从0开始构建xxx”的问题，比如“从0开始构建推荐系统”
另外，还有很多大数据场景问题，如海量数据中敏感词检测，海量任务调度等
概率题
绝大部分都是经典题，还有大数定理，连续分布的均值方差公式，有时需要用牛莱公式算积分(ps. 拉格朗日乘子法，一阶泰勒展开要熟悉)
平安科技
- 岗位：nlp算法岗(实习)
- 学校：苏州大学
- 专业：计算机类
1.自我介绍；
2.主要用过哪些深度学习框架（pytorch）；
3.介绍自己的论文和项目；
4.什么是元学习（项目和论文中用到了）；
5.多任务学习的一些框架（项目和论文中用到了，sharedbottom、mmoe、srn等）；
6.介绍一下lr回归、xgboost、gbdt，以及他们的优缺点；
7.介绍一下bert和chactgpt；
8.如何处理文本信息（word2vec）；
9.有用过c++吗，说一下c++的三个特性（封装、集成、多态）；
10.sql有使用过吗，只会最简单的增删改查；
11.了解哪些深度学习模型（mlp、cnn、rnn、transformer），说一下各自的优缺点；
12.rnn有哪些问题（梯度消失、梯度爆炸），如何缓解（使用lstm结构，引入门控机制）；
13.可以实习多长时间，学校导师放实习吗；
12.反问（实习主要做什么，自己应该补充哪些知识）；
13.总结：本身是做推荐相关的，没有问太多nlp相关的内容，需要恶补一下nlp相关的知识，总体面试感觉良好；
金山
nlp算法面经（实习，换部门又面了一次）
之前面试金山武汉的部门给我挂了，但是因为又投了金山珠海的部门，所以又从头再来了一遍流程，希望这一次运气好点😅。
一面面试题目
1.计算机基础
（1）解决哈希冲突的方法
（2）哈夫曼树
（3）动态规划算法思想
2.word2vector的两种改进方法
3.在语言模型算法中可不可以使用两层lstm
4.讲解一下论文课题中的序列标注任务
5.有没有大模型相关的微调经验？
6.人类反馈强化学习算法流程
7.反问
感觉问的问题挺灵活的，我回答的也挺灵活😅，希望一面能过吧。
百度
岗位：nlp 算法岗（实习）
一面
-
首先是自我介绍加一个项目介绍 介绍了研究生期间的课题
用了什么方法？提升了多少指标？分析过badcase吗？ -
简历有写大模型微调 问了目前的大模型微调方法你觉得哪一个最好？
-
反问
二面
-
自我介绍
-
介绍命名实体识别项目，实体嵌套怎么解决？
-
介绍大模型角色扮演项目，数据集怎么构建？原本微调后大模型只能扮演一个角色，问训练一次能否实现大模型的多个角色转换，怎么实现？
-
介绍下chatgpt？了解其它大模型吗？chatgpt一阶段预训练和二阶段指令微调有什么区别？
-
bert的预训练任务有什么？为什么引入下一个句子预测任务？了解bert变体吗？robert和bert区别在哪？
-
一道算法题-最长递增子序列
-
反问
总结：面试体验很好，专业性很强，hr反馈也很及时，现在offer评估中 许愿上岸！
oppo
岗位：提前批nlp算法岗
一面
之前投的是大模型，hr后面让我转岗了。
1.介绍第一个实习做的工作
2.介绍第二个实习的工作
3.介绍论文的工作
没有八股
手撕代码leetcode 769 没写出来，让面试官换成最长公共前缀了。。。
面试半小时结束了
二面半小时
-
介绍你最拿得出手的一个工作
-
介绍实习工作
-
有没有关注过机器翻译方向
-
无重复数字的全排列，口述算法思路。
-
一些别的个人情况介绍
滴滴
- 岗位：提前批nlp算法
- 学校：university of pennsylvania
- 专业：计算机类
-
自我介绍
-
简历内容项目细问（每个和nlp有关的都问了）
-
了解哪些大模型
-
介绍bert
-
相对位置编码的好处
-
介绍word2vec和优化方法
-
bert为什么用layernorm不用batchnorm
-
算法：找出和为给定目标值（target）的连续子数组
最后一道题忘记双指针可以做了，只想到暴力dfs了感觉题刷的还是不够，面试一紧张就容易做不出来
百度
岗位：nlp算法岗（日常实习）
一面
-
ptq和qat的区别
-
如果对embedding也做量化，你觉得会有什么问题
-
说一下常见的量化方法和原理
-
假如现在让你对transformer模型进行量化，你觉得需要量化哪些算子
-
矩阵乘法算子的量化过程
手撕（如流ide）
- 搜索二维矩阵 ⅱ lc原题
- top k
- python pep9规范 问题
二面
-
slu和nlu的区别
-
其他机器学习八股文
手撕（如流ide）
合并排序的数组 lc原题
三面
主管面，技术聊的比较少
走棋盘的多种解法：dp + 概率论
shein
岗位：nlp 算法岗
学校：中科大
专业：计算机类
一面
1.介绍一下blip2的架构；你觉得blip2的优势是什么；和之前的多模态模型有什么区别？
2.是怎么在电商领域微调的？
3.模型蒸馏是怎么做的？有试过无监督样本训练吗？
- 手撕代码，一个元素在一个有序数组的第一次出现位置。
二面
transformer的多头注意力的作用
介绍一下实习工作
写题：无序数组的中位数
笔试代码题没写出来，问我现在会不会写
快手
nlp 算法岗
手撕lru
手推两层网络的反向传播算法
手推transformer的注意力机制
svm 损失函数
f1为什么是1
auc计算
了解的激活函数
了解的优化算法
bert为什么是双向机制，gpt呢
transformer的多头是为什么
科大讯飞
飞星计划-ai算法（自然语言处理方向）
1.自我介绍
2.jieba 分词的原理
3.word2vec的原理，怎么训练的
3.有没有了解chatgpt是怎么训练出来的（项目涉及）
4.简述bert模型
5.pytorch中的train,val模块
6.怎么爬维基百科的，一天能爬多少条
7.在爬数据的时候有遇到哪些反爬的机制
8.mysql数据库的存储引擎，索引类型（聚簇索引、二级索引）
9.为啥想做ai
10.python中字典的结构，是用啥实现的
11.有一组无序数组，怎么取前10个最大的数
之前看面经说是归并排序，但hr说这不是最快的方法。
12.反问
技术交流群
前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、cmu、腾讯、百度等名校名企开发者互动交流~
我们建了nlp&大模型面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2060。加的时候备注一下：研究方向 +学校/公司+csdn，即可。然后就可以拉你进群了。
用通俗易懂方式讲解系列
- 用通俗易懂的方式讲解：自然语言处理初学者指南（附1000页的ppt讲解）
- 用通俗易懂的方式讲解：1.6万字全面掌握 bert
- 用通俗易懂的方式讲解：nlp 这样学习才是正确路线
- 用通俗易懂的方式讲解：不用再找了，这就是 nlp 方向最全面试题库
- 用通俗易懂的方式讲解：灵魂 20 问帮你彻底搞定transformer
- 用通俗易懂的方式讲解：图解 transformer 架构
- 用通俗易懂的方式讲解：十分钟部署清华 chatglm-6b，实测效果超预期
- 用通俗易懂的方式讲解：内容讲解+代码案例，轻松掌握大模型应用框架 langchain
- 用通俗易懂的方式讲解：最全的大模型 rag 技术概览
- 用通俗易懂的方式讲解：利用 langchain 和 neo4j 向量索引，构建一个rag应用程序
- 用通俗易懂的方式讲解：使用 neo4j 和 langchain 集成非结构化知识图增强 qa
- 用通俗易懂的方式讲解：面了 5 家知名企业的nlp算法岗(大模型方向)，被考倒了。。。。。
- 用通俗易懂的方式讲解：nlp 算法实习岗，对我后续找工作太重要了！。
- 用通俗易懂的方式讲解：基于 langchain-chatchat，我搭建了一个本地知识库问答系统
发表评论