作者 | 林夕@知乎 编辑 | 青稞AI

原文链接：https://zhuanlan.zhihu.com/p/690801254

面试情况

投过的公司：淘天，字节，蚂蚁，商汤，美团，夸克，腾讯，minimax，零一万物，阿里控股，潞晨科技，阿里巴巴国际，网易实验室，Momenta。

Offer：淘天，字节AML，商汤，蚂蚁，美团，夸克，腾讯混元，天翼云。

以下是面经分享

淘天【offer】

部门：未来生活实验室

介绍: 淘天集团的大模型研究将主要围绕两个场景展开：一是搜广推，二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。

面经

一面：

• • 如何训练ocr任务

• • 实验的setting

• • ocr任务影响如何

• • 高分辨率训练，再在小分辨率上，会不会崩掉

• • 输出bbox有没有好的方式

HR面：

• • 基本信息确认

• • 考研进入电子科技大，为什么

• • 为什么进入了诺亚

• • 代表性的工作

• • 如何解决问题的，国内在做语言大模型的多一些。

• • 国内在做多模态大模型的

• • 如何评测，评估这些大模型的。如何看待刷榜的问题。

• • 你们的衡量指标

面试体验

面试体验很好。HR也没有那么咄咄逼人。阿里味不是特别明显。最终权衡也选择来了淘天，有兴趣来我们这边的欢迎投递简历，有卡（****张）。

学习大模型也是适应大趋势的必然。『大模型之心Tech知识星球』目前集视频 + 图文 + 学习路线 + 问答 + 求职交流为一体，是一个综合类的大模型社区。我们期望未来2年内做到近万人的规模。给大家打造一个交流+技术分享的聚集地，是许多初学者和进阶的同学经常逛的地方。

字节AML【offer】

部门：AML火山方舟大模型

介绍： 淘天集团的大模型研究将主要围绕两个场景展开：一是搜广推，二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。介绍链接。

预备面经

猎头也提供了一些其他候选人的面经， 整理如下：

• • 设计一个Hash表

• • 蓄水池问题

• • 从超大文本文件中随机行采样

• • 二叉搜索树-去掉超出[m, n]范围内的节点

• • 计算交叉熵

• • 计算IOU

一面：

• • 多模态你们的流程

• • 你们的OCR的结构

• • layernorm的区别

二面：

• • 什么时间开始做多模态模型

• • 目前在文档

• • Token长度太大。高分辨率如何解决。

• • patch能不能变得

• • VQGAN

• • GPT4V的结构形式。

• • LLM decoder

• • MagViT

• • LLM的基础知识需要尽快补上

三面：

• • 自我介绍

• • 多模态大模型用哪个模型

• • Transformer比较熟悉

• • python实现self attention和Transformer

面试体验

字节一如既往的注重coding，基本每一面两道题，自己能拿到offer也算是运气吧。一面的面试体验很差，可以说是毫无面试经验的面试官。

商汤【offer】：

一面：

• • 简单的自我介绍

• • 关于高分辨率的解决办法

• • OCR是如何去做的，有没有grounding，Referring

• • GPT4V 位置，检测明显的问题

• • 你们是如何解决位置信息的

• • 新的模态进来，如何去拼接过来

• • 新来一批数据，如何训练

• • tree1是否是tree2的子树

二面：

• • AGI缺不了视觉

• • 工业场景，人的检测，奇怪的零件，机器的检测。检测的结果，需要理解人的行为。理解和context的关系。人和环境的关系。借助多模态来解决

• • 自驾，感知端，到决策端，感知不需要全面的感知，着重额感知需要

• • 假新闻，图是真的。caption场景

• • OCR，街景的OCR，文档，网页截图等是不同的，这些场景混在一起。会有影响吗？

• • OCR的方案，一般是先出检测框，再出文本。不规则的文本，如何解决

• • 多模态大模型的OCR

• • Qwen-VL的文本检测形似，是否合理

• • 模型本身的三种能力

• • 自己的能力，认识什么

• • LISA：借助decoder来做，用新的prompt来实现分割。】

• • 外挂RAG等。

• • 判断左右括号（），等组成的字符串是否是合法的

二面结束，问题不大。

三面：

• • Leader面，聊了一些有的没的

面试体验

面试过程很专业，毕竟是商汤，算法技术是国内领先的，奈何没产品，而且薪资包也没有诚意。

蚂蚁风控大模型【offer】

一面：

• • 自我介绍

• • 介绍Focus-DETR，有没有在业务中应用。

二面：

• • 介绍

• • 目前在做的事情

• • 下游的任务，文档场景，再做一个什么任务

• • ocr数据是如何生成的

• • 效果如何

• • 如何解决幻觉的问题

HR面：

• • 具体的工作内容，印象

• • 安全内容，tob的内容审核。竞对。

• • 个人介绍。

• • 上海海思，为什么跳槽

• • 算法支撑

MiniMax：【挂】

一面：

• • 空间感知能力是如何解决的

• • 不同token长度是否有做balance的方式

• • 很多有价值的问题。

• • python实现标题 MLP Regressor 题目描述 题目描述与要求:实现一个MLP regressor 的完整训练过程，包括:forward , backward , SGD更新参数;验证backward梯度正确性;构建数据，验证端到端正确性 (收敛&泛化);(optional) 参考你过往的实验经验，尽可能让功能更完善;不使用第三方库中已实现好的自动求导方法;P.S. 实现方法不限，但由于在线IDE运行环境不稳定，推荐使用numpy。

PS： 面试官对算法底层了解比较深入，比较考验代码能力，不是字节那种。

零一万物【挂】

一面：

• • 多模态的情况。

• • document的难度。

• • 手写 self attention

二面：

• • 自我介绍

• • 传统的OCR模型和多模态大模型的区别

• • 带不带OCR，多模态文档智能差多少。

• • 未来OCR模型是否会被大模型吃掉。OCR大模型有什么是做不了的。

• • 在哪些模型上做过一些预训练。

• • 多模态未来怎么做。

• • EVA的有趣的现象。没有出现涌现的现象。

• • 后面的工作主要集中在哪里。

• • 怎么训练比较好，gemini那种形式，llm那种形式。

PS：问了很多开放性的问题，给的回复是业务积累不够，hhhh。

美团【offer】

一面：

• • 文档大模型是一个独立的模型，会整合到一个大模型还是分离式的。

• • 不考虑通用场景的。

• • 目前用的多大的模型。

• • 是一个什么结构。对结构的一些了解。

• • flamingo或者blip2的结构上的对比。

• • 足够资源的情况下，哪个结构是最优的。

• • 分辨率是如何解决的。文档的分辨率比较高。

• • QA对匮乏如何解决的。

• • ocr的性能目前是低于多模态大模型。

• • 如何解决bbox感知能力差的问题。

• • 充足的算力。数据如何获取。如何有效的清洗。

• • fuyu这种结构有什么优化的空间。

二面：

• • OCR文档大模型

• • Instruction tuning的决定性因素，哪些Instruction tuning策略效果更好。如何评估复杂度的性能。

• • 如何保证数据集的多样性和复杂度。

• • 分层的Instruction tuning。

• • 数量的影响。数量和质量。

• • 不同类型数据的影响。对下游任务的影响。自动化的数据配比。自动化的指标去做类似的事情。

• • 专门优化的指标不再是一个好的指标。

• • 使用其他的指标来引导模型的优化，而不是使用下游的指标。LLM使用的loss，作为指标。而不是benchmark的分数。

• • 合理的评估指标是什么。openAI的压缩理论，trainnig loss代表优化目标。

• • AGI的几个阶段，deepmind发表。

三面：

• • 各种问题

四面：

• • 介绍自己。

• • 有一个多模态大模型，具备一些很多baseline的效果，基础的CV能力。可能效果都不是特别好。不如专精的大模型。OCR为例。目标得到一个类似GPT4V的模型，整理提高模型的效果。第二个，全流程，强化ocr能力。已有的多模态大模型。

• • 文档场景。

阿里控股【PASS】

一面：

这里没什么面经，整体面试体验很差。不考虑继续往下面。

• • 人非常高傲，傲慢，问问题，满脸的嫌弃

• • 感觉别人都不行

• • 觉得自己很强

• • 文生图

• • 文生图的畸形，检测的方式。

潞晨科技【PASS】

一面：

• • 手写self-attention

emmm，但凡面试官是NLP的，面试体验都不太好。如果NLP背景的面试官，面试会比较困难。

夸克【offer】

一面：

• • 项目

• • 做题

二面：

• • 高分辨率的解决方案

• • 重叠文本框。采用什么方案来解决。

• • 端到端的OCR是怎么做的。

三面：

• • 介绍Focus-DETR。

• • 介绍端到端的OCR。

• • 介绍多模态大模型。

• • 小语种数据集采购是为什么。检测数据多了，识别数据少了。

介绍业务规划，偏传统业务，不是大模型方向。

四面：

大佬面，出了一个概率题。

HR面：

• • 为什么跳槽。

• • 职业规划。

• • 为什么有这个绩效和各种奖项。

腾讯-混元大模型【offer】

一面：

• • 简单描述简历，在做的东西

• • 图像细节提取有什么办法

• • 目前的进展是什么样的，项目进展到什么情况

• • 表格这种数据如何解决，如何对表格这种做有效的信息抽取。

• • 目前有多少的数据量

二面：

• • OCR算法

• • 项目

• • 介绍文本检测的一些问题如何解决

• • MAE如何优化，什么鬼问题

三面：

纯聊天，没有太多技术问题。

• • 多模态大模型，TEG，数据平台事业部。混元大模型。机器学习平台。

阿里巴巴国际部【中止】：

一面：

• • 题目，旋转图像 Alpha度，

• • 介绍项目

• • 介绍Focus-Detr。

二面：

• • 简单询问项目，很快结束。

PS： 不靠谱，很久没消息。没有后续的任何回复。这种最恶心了，建议大家不要再投。

网易实验室【PASS】

一面：

• • 自我介绍

• • 剪枝的工作，Focos-DETR是如何剪枝的。

• • Transformer相比CNN，相比RNN的优势。

• • 训练推理，增加吞吐量。

• • 推理加速。预训练模型的部署推理，优化。

做推理加速的不合适。

Momenta【PASS】

一面：

• • 手写NMS

• • 介绍DETR

• • 介绍Focus-DETR

• • 介绍position Embedding

• • 介绍DETR里面query的含义

PS： Momenta属于给钱多，但是比较累的。以后不太想做自动驾驶了，所以pass。不再考虑。

蚂蚁【大模型-codefuse】【HR面挂】

一面： 简单聊项目

二面：

• • 业务题，如何解决多页文档的问题

• • 业务题，现在 ui 多模态大模型，ocr 如何引入，目前 ocr 存在很多问题

• • leetcode 题目，字符串转数字

• • leetcode 题目，最大子数组和

• • 多模态大模型的基础知识

三面：

• • 个人介绍

• • 部门规模

• • 论文的情况

• • 换过部门

• • 海思做的内容

• • OCR成熟度很高

面试体验：

面试官都很专业，问了很多问题，感觉很强。在HR面上吃了亏，很多问题没有回答好，吸取了经验，很多问题调整了回答的方式。也反思了自己在过往工作中存在的问题，面对大公司建议HR面认真准备，看看网上的一些经验，阿里的HR有一票否决权。

HR面注意点：

1、跳槽动机：如果是因为晋升不上去看机会，建议这么说：内部机会少，太稳定，想看更有发展的机会，别直接说晋升不上去才看机会，⚠切勿说和leader处不来或者说目前leader坏话。

2、关于薪资： 可以回答看企业安排，或者回答一个区间，保底多少，期望多少，加一句薪资可谈，留足谈判空间，如果企业给的薪资不太满意，⚠别直接拒绝，就说考虑一下，我这边去谈，最后面试结束时，记得感谢下面试官的时间。

3，关于加班： 大厂都大差不差，HR问就是试探⚠切勿说接受不了。

一些参考

社招关于大模型的知识点问到的也是一些常识知识，没有特别难得，更多的还是项目为主。面试其他公司的时候基本没有刷题，因为工作期间面试的，没有太多时间刷题， 只能周末时间。为了准备字节还是刷了一些题，大概60多道，如果是字节的话，还是好好准备刷题， 我有朋友甚至遇到了好几道hard。关于刷题，推荐labuladong的刷题笔记。应该算是最精良了，看这个不用看其他的了。

选择offer过程中也是各种权衡，考虑很多因素，也咨询了很多朋友，面临offer选择困难的朋友也可以咨询作者本人。

大模型之心Tech知识星球交流社区

我们创建了一个全新的学习社区 —— “大模型之心Tech”知识星球，希望能够帮你把复杂的东西拆开，揉碎，整合，帮你快速打通从0到1的技术路径。 

星球内容包含：每日大模型相关论文/技术报告更新、分类汇总（开源repo、大模型预训练、后训练、知识蒸馏、量化、推理模型、MoE、强化学习、RAG、提示工程等多个版块）、科研/办公助手、AI创作工具/产品测评、升学&求职&岗位推荐，等等。

星球成员平均每天花费不到0.3元，加入后3天内不满意可随时退款，欢迎扫码加入一起学习一起卷！