秋招面了几家大厂算法岗( 含NLP、搜光推、大模型方向)，复盘面试题来了。。。_师生多轮对话文本(音频转化),如何把无关信息剔除,比如说老师早上好这种

节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对大模型技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。

今天我整理 NLP、搜光推、大模型等算法方向的面试题，分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以加入我们。

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~

我们建了算法岗技术与面试交流群， 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。

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：mlc2060，备注：技术交流

飞猪-搜索算法

飞猪-base杭州-搜索算法

• 哈希寻址算法

• 讲一下最短路算法

• 如何判断图中是否有环

• 概率题：99%的概率预测正确，0.3%是真阳，p(真阳|阳)的概率等于多少

• 场景题1：给定当前query和历史query以及对应实体，如何对当前query的实体进行建模

• 场景题2：多语言如何判断是哪个语种，比如马来西亚语和英语有点相似，应该如何判断

• 场景题3：query改写 baseline 评估迭代建模，query改写的作用（比如“北大”“北京大学”哪个与酒店更匹配）

• 场景题4：纠错，相似词建模

• 场景题记不太清楚了，但是和面试官们交流很愉快

百度-算法工程

百度-base上海-算法工程

• c++智能指针

• python多进程和多线程

• 垃圾回收机制

• sql事务

• 讲lora的原理

• 讲gbdt

• 翻译任务一般用啥架构

• encoder-only, decoder-only, encoder-decoder的区别

• 讲transformer

• 讲flash attention

• fp32和fp16的区别，混合精度的原理

• beam search原理，与直接sample的区别

• 对大模型的改进

• 平时用什么框架，机器

• python协程

• 进程，线程，一个进程里面多线程共享哪些资源

• 程序空间和堆栈

• 为什么docker好用，docker创建容器

• linux怎么看进程; 怎么结束进程; 怎么实时看一个文件

• c++虚函数

• python，flask

• gil全局锁

• 继续flash attention

• 大模型什么情况需要预训练

• 主流大模型的区别

• 一个数学题：甲乙射击，甲射击n次，乙射击n+1次，射中的概率都是0.5，射中一个得一分，最终乙比甲总分多的概率；

好未来-NLP

好未来-base北京-NLP

• lora的矩阵怎么初始化？为什么要初始化为全0？

• gpt源码past_key_value是干啥的

• gpt onebyone 每一层怎么输入输出

• 输出的分布如果比较稀疏，有个尖尖应该怎么处理

• 讲讲决策树，决策树回归问题怎么做

• gpt的输出topp是啥

• kl散度的公式和kl散度与交叉熵的区别

• 强化学习的输入

• chatgpt的reward model怎么来的，三阶段

• cart树的分裂准则是啥

• 做题：寻找重复数

• 除了cosin还有哪些算相似度的方法

• 文本embedding方法

• tfidf公式

• 场景题1：师生多轮对话文本（音频转化），如何把无关信息剔除，比如说老师早上好这种

• 场景题2：偏推荐一点，给学生推荐试题，不希望出现做过的相似题目

海康-多模态大模型

海康-base杭州-多模态大模型

• 大模型对输入数据分词的处理，扩大词表

• python的多进程，多线程，没有真正意义上的多线程，为什么这么设计

• 新版pytorch并行bn

• 口述算法完全平方数

• 10个模态如何选择和搭模型

• clip的各种变形

• 常用trick，你的别人都不知道的trick(?)

• 数据不均衡怎么处理

• 单独整不同模态的编码和clip的区别

腾讯-广告算法

腾讯-base未知-广告算法

• 做题：

• 求两个列表的交集，时间复杂度尽可能低，不可以用map和set

• 求一个数在一个列表中的最大数

• ner模型除了gp还有哪些，gp相比普通ner的优点

• ner中如何去解决预测错误的问题，比如宝马三系标签是BIBI中的三系

• 什么是线性可分，逻辑斯蒂是线性还是非线性的

• 常用的ctr模型

• deepfm的fm结构是啥

• 如果输入特征只有一维，做二分类任务，这个特征范围是从0到正无穷大，怎么处理

• nlp任务有哪些

知乎-搜索算法

知乎-base北京-可能是搜索算法

• 项目

• 职业规划

• 项目中的难点

• 做题-旋转数组求最小值

• bert的attention

• 优化器

• 知道的loss

• 能不能马上去实习

虾皮-NLP

虾皮-base上海-NLP

• 求target在source里的起始终止位置，target和source都有空格，target空格忽略，source空格要算位置。应该是想考kmp模板

• 多模态一些多流的sota有了解吗

• bert的结构和loss

• gpt的结构

• ner模型的了解

• 针对不同的任务，大模型的指令怎么写

• 没有标签，怎么对商品里的iphone pro max做聚合

得物-推荐算法

得物-base杭州-推荐算法

• nlogn的排序算法

• 讲讲堆排序

• 动态规划

• xgb和gbdt的区别

• lora的优缺点

• bn

• random forest和gbdt的区别

• 有100个硬币，AB每次都可以拿1到2个，最后一个拿的人获胜，A用什么策略可以保证最后他获胜

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：28张图全解深度学习知识！
• 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：实体关系抽取入门教程
• 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：大模型算法面经指南（附答案）
• 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：如何用大语言模型构建一个知识问答系统
• 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：理想汽车大模型算法工程师面试，被问的瑟瑟发抖。。。。
• 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
• 用通俗易懂的方式讲解：面试字节大模型算法岗(实习)
• 用通俗易懂的方式讲解：大模型算法岗(含实习)最走心的总结
• 用通俗易懂的方式讲解：大模型微调方法汇总