双非本 985 硕，我马上要入职上海AI实验室大模型算法岗

暑期实习基本结束了，校招即将开启。

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。

总结链接如下：

《大模型面试宝典》(2024版) 正式发布！

喜欢本文记得收藏、关注、点赞。更多交流，可以文末加入我们

---

除了去互联网大厂外，半科研半实践的 AI 实验室也是一个不错的就业选择，分享我们一个球友的面经：

背景：双非本，top5 硕士，研究方向是对话系统和图像处理，NLP 比赛 Top10（天池 / Kaggle），1 篇发明专利，1篇CCF-A。

马上要入职了，祝愿球友们不断夯实自我，加油努力，收获钟意的offer～

一面

1. 讲一下目标检测项目
2. 为什么不用 Anchor-based 的方法，在工业界其实还是 Anchor-based 的用的多，因为召回率高
3. 讲讲 CenterNet 这种用来检测的方法和 Anchor-based 相比的优点在哪里
4. 抠图和分割有什么区别，抠图的前景背景代表什么
5. MODNet 语义的部分是怎么预测的，人的姿态千变万化，他为什么能预测那么好的预测出来？
6. 报图你用了 MAD, MSE 指标，还了解其他指标吗？
7. DDIM DDPM 区别
8. 说几种 diffusion 加速推理方法
9. 多模态大模型你了解那些？
10. LLAVA 讲一下？LLaMA 2 的创新在什么地方
11. MINI-GPT4 是否使用过
12. 是否了解 Swin Transformer，介绍一下

总体来说，面试体验中等。

二面

1. 从三个方面讲一下目标检测项目：动机、方法、结果
2. 你用到了 Transformer Encoder，你觉得 global attention 和 self-attention 有什么区别呢？
3. 介绍 Transformer 和 ViT
4. 为什么 Transformer 适合多模态任务？
5. Transformer为什么使用多头注意力机制？
6. CenterNet 能解决两个物体的中心点重合的问题吗？
7. 你用到了蒸馏，那么你觉得蒸馏和直接用 GT 相比，有什么好处？
8. MODNet 是一个 Trimap Free 的还是 Trimap Based 的算法？介绍一下他的大概流程
9. 抠图方面，怎么让一个小数据集训练出来的模型更好泛化呢？
10. 介绍部门，表示这边也是做图像相关的研究，不仅仅做学术研究，也会落地应用
11. 编程题：手撸 IOU 计算公式
12. 编程题：用 5 个线程来打印 1 ~ 100，另外要求每个线程必须按顺序依次执行。摊牌说不会按顺序的做法，换题。

HR 面

1. 实验室和大厂，你是如何抉择的，主要考虑哪些方面？
2. 对自己未来3-5年的职业规划是什么？
3. 以往在团队合作中最难的一件事
4. hr 介绍了实验室的运营情况，特别是 WLB 这点，让我看了心动

资料获取和交流

技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。

成立了大模型算法技术交流群，相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。

方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2040，备注：来自CSDN + 技术交流

通俗易懂讲解大模型系列

• 重磅消息！《大模型面试宝典》(2024版) 正式发布！

• 重磅消息！《大模型实战宝典》(2024版) 正式发布！

• 做大模型也有1年多了，聊聊这段时间的感悟！

• 用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总

• 用通俗易懂的方式讲解：不要再苦苦寻觅了！AI 大模型面试指南（含答案）的最全总结来了！

• 用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer

• 用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战

• 用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！

• 用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了

• 用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型

• 用通俗易懂的方式讲解：ChatGLM3-6B 部署指南

• 用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了

• 用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统

• 用通俗易懂的方式讲解：Llama2 部署讲解及试用方式

• 用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路

• 用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术

• 用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？

• 用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法