是时候准备实习和面试了。

不同以往的是，当前职场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》(2025版) 正式发布！

喜欢本文记得收藏、关注、点赞。更多实战和面试交流，加入我们

万万没想到啊，上海人工智能实验室实习岗居然都这么卷，HR反馈当前岗位投递人较多，让耐心等待结果，竞争真的太激烈。

所以说啊，无论是实习还是找工作，还是要提前做准备，越早越好啊，希望助力大家都能拿到心仪的offer！

一面

1. 自我介绍

2. 项目中为什么使用llama3，是否尝试过其他模型

3. llama3与其他模型的区别，注意力机制是什么?

4. 传统 Attention 存在哪些问题？

5. RLHF 的具体工程是什么?包含了哪几个模型?

6. 微调是否熟悉？讲讲你使用过的微调方法。

7. 是否遇到过显存不够情况，一般怎么解决的?

8. 了解半精度训练吗?

9. deepspeed 用过吗?

10. 如何解决大模型推理过程中的延迟问题？

11. 为什么LLM推理加速有KV Cache而没有Q Cache？

12. RAG有哪些流程，流程里有什么优化手段？

13. 如何评价RAG项目效果的好坏？

14. ragflow 和 llamaindex 区别？

15. 算法题1：给定两个大小分别为 m 和 n 的正序数组 nums1 和 nums2。请你找出并返回这两个正序数组的中位数 。时间复杂度应该为 O(log (m+n)) 。

16. 算法题2：给定一组非负整数 nums，重新排列每个数的顺序使之组成一个最大的整数。注意：输出结果可能非常大，所以你需要返回一个字符串而不是整数。

二面

1. 自我介绍

2. 详细盘问项目和论文

3. 业务场景是什么，如何评估任务完成效果？

4. 大模型训练，什么时候需要预训练、SFT、DPO

5. DPO 训练数据是如何构造的

6. 介绍一下 DPO 损失函数？

7. 为什么需要 DPO 算法，DPO算法与SFT算法区别

8. 奖励模型是否了解？

9. 从1B里数据抽取10k条具有某些特定特征的coding数据，如何高效抽取？

10. 想构造高质量的coding数据，如何确保coding数据的质量，代码很长很复杂的情况下？

11. 如何评估代码质量，是否存在很多代码生成出来并不能执行的情况下？

12. 是否了解 cursor

13. 有没有使用过 docker

14. 算法题：给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。你只能选择某一天买入这只股票，并选择在未来的某一个不同的日子卖出该股票。设计一个算法来计算你所能获取的最大利润。

15. 反问环节确认了下能否有转正机会