国内多家大厂大模型岗位面试经验与总结

二面

• AGI 发展中视觉的重要性。
• 工业场景下的物体检测（人、奇怪零件、机器），需要理解人的行为及 Context 关系。
• 自动驾驶感知端到决策端的感知需求侧重。
• 假新闻检测，图片真实性与 Caption 场景。
• OCR 场景差异（街景、文档、网页截图）及其影响。
• 不规则文本的 OCR 解决方案。
• 多模态大模型中的 OCR 能力。
• Qwen-VL 的文本检测形似性分析。
• 模型本身的三种核心能力。
• LISA 模型借助 Decoder 做分割及 Prompt 实现。
• RAG 外挂机制。
• 括号字符串合法性判断。

三面

• Leader 面，主要聊业务与宏观方向。

面试体验

面试过程非常专业，算法技术在国内处于领先地位。但产品落地相对较少，薪资包诚意一般。

蚂蚁集团风控大模型【Offer】

面试流程

一面

• 自我介绍。
• 介绍 Focus-DETR 模型及其业务应用场景。

二面

• 目前负责的项目内容。
• 下游任务，特别是文档场景下的具体任务。
• OCR 数据生成方法。
• 效果评估指标。
• 如何解决模型幻觉问题。

HR 面

• 具体工作内容回顾。
• 安全内容审核（ToB 方向）及竞对分析。
• 个人背景介绍。
• 上海海思工作经历及跳槽原因。
• 算法支撑能力说明。

MiniMax【挂】

面试流程

一面

• 空间感知能力是如何解决的？
• 不同 Token 长度是否有平衡方式？
• 编程题：Python 实现 MLP Regressor 完整训练过程（Forward, Backward, SGD 更新参数），验证梯度正确性，构建数据验证端到端收敛，不使用第三方自动求导库，推荐使用 Numpy。

面试体验

面试官对算法底层了解深入，代码考察要求高，不同于字节的风格。

零一万物【挂】

面试流程

一面

• 多模态模型的应用情况。
• Document 任务的难度评估。
• 手写 Self Attention。

二面

• 自我介绍。
• 传统 OCR 模型与多模态大模型的区别。
• 带不带 OCR 模块对多模态文档智能的影响。
• 未来 OCR 模型是否会被大模型取代。
• 预训练模型的经验。
• 多模态未来的发展方向。
• EVA 模型的涌现现象观察。
• 后续工作重点。
• 训练策略对比（Gemini 形式 vs LLM 形式）。

面试体验

开放性问题较多，反馈为业务积累不够。

美团【Offer】

面试流程

一面

• 文档大模型是独立模型还是整合进通用大模型？
• 不考虑通用场景的特定结构。
• 当前使用的模型规模。
• 模型结构及 Flamingo 或 BLIP2 的对比。
• 资源充足情况下的最优结构选择。
• 高分辨率文档的分辨率解决策略。
• QA 对匮乏问题的解决。
• OCR 性能低于多模态大模型时的优化。
• BBox 感知能力差的问题解决。
• 算力充足下的数据获取与清洗策略。
• Fuyu 结构的优化空间。

二面

• OCR 文档大模型细节。
• Instruction Tuning 的决定性因素及策略效果评估。
• 数据集多样性与复杂度的保证。
• 分层 Instruction Tuning。
• 数据数量与质量的影响。
• 不同类型数据对下游任务的影响。
• 自动化数据配比与指标引导优化。
• 合理的评估指标（如 OpenAI 压缩理论，Training Loss 代表优化目标）。
• AGI 发展阶段（DeepMind 观点）。

三面 & 四面

• 多轮次深度问答，涉及模型效果提升全流程及强化 OCR 能力的具体路径。

其他公司情况

• 阿里控股：面试体验较差，面试官态度傲慢，未继续推进。
• 潞晨科技：一面手写 Self-Attention，NLP 背景面试官提问较难。
• 夸克：Offer。涉及项目、做题、高分辨率方案、重叠文本框、端到端 OCR、Focus-DETR、概率题等。HR 面询问职业规划与绩效。
• 腾讯 - 混元大模型：Offer。涉及图像细节提取、表格信息抽取、OCR 算法、MAE 优化等。三面纯聊天。
• 阿里巴巴国际部：中止。题目涉及旋转图像 Alpha 度，无后续回复。
• 网易实验室：Pass。涉及剪枝工作、Transformer 优势、推理加速与部署优化。
• Momenta：Pass。涉及手写 NMS、DETR 原理、Query 含义等。自动驾驶方向较累。
• 蚂蚁 - CodeFuse：HR 面挂。涉及多页文档处理、UI 多模态引入、LeetCode 题目（字符串转数字、最大子数组和）。

面试技术热点分析

综合上述多家公司的面试经历，可以发现大模型岗位的技术考察呈现出以下显著特点：

1. 基础架构深度：几乎所有公司都考察了 Transformer 的核心组件，如 Self Attention、LayerNorm、Position Embedding 等，部分要求手写实现。这要求候选人不仅会使用框架，更要理解底层数学原理。
2. 多模态与 OCR 结合：文档理解、OCR 与大模型的结合是高频考点。重点在于如何处理高分辨率输入、长序列 Token 限制、以及 OCR 结果与大模型生成的融合（Grounding）。
3. 工程落地能力：除了算法理论，面试官非常关注实际业务场景的解决方案，如数据清洗、幻觉抑制、推理加速、显存优化等。
4. Coding 能力：字节、MiniMax 等公司对 LeetCode 类算法题有明确要求，尤其是动态规划、数据结构操作及数值计算（如 Numpy 实现反向传播）。
5. 前沿视野：对 GPT4V、LLaVA、Qwen-VL 等主流开源/闭源模型的结构、优缺点及最新论文（如 DeepMind AGI 阶段）的了解也是加分项。

通用准备建议

基于以上经验，针对大模型岗位的求职准备建议如下：

1. 夯实基础：复习深度学习基础，特别是 Transformer 架构细节，能够推导公式并手写关键代码。
2. 项目深挖：对自己的简历项目要做到烂熟于心，能够清晰阐述技术选型理由、遇到的难点及解决方案。准备好应对关于'为什么这么做'的连续追问。
3. 刷题准备：虽然部分公司不强制，但字节等大厂仍看重算法功底。建议刷完经典题库（如 Labuladong 笔记），重点掌握数组、链表、树、动态规划等高频题型。
4. HR 面策略：
   • 跳槽动机：避免直接抱怨前公司或领导，强调寻求更大发展空间或技术挑战。
   • 薪资谈判：给出合理区间，保留弹性空间，表达合作意愿。
   • 加班问题：如实回答，表明接受大厂节奏，但可询问团队具体情况。
5. 资料整理：关注行业顶会论文，了解主流模型架构演进，保持对新技术的敏感度。

注：本文仅基于个人面试经历整理，仅供参考。具体面试情况可能因面试官、业务线及时间而异。