国内企业大模型岗位面试全解析：20 家公司经验分享

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。

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。

大模型岗位备考建议

根据上述多家公司的面试反馈，总结以下核心备考策略：

1. 基础算法与数据结构：字节、MiniMax 等公司非常看重 Coding 能力，尤其是手写 Attention、Transformer、NMS 等核心模块。建议复习 LeetCode 中等及以上难度题目，重点掌握动态规划、树、链表及常用数据结构。
2. 大模型核心技术：
   • Transformer 架构：必须熟练掌握 Self-Attention 机制、LayerNorm、Positional Encoding 的原理及 PyTorch 实现。
   • 多模态技术：重点理解 CLIP、BLIP、Flamingo 等经典模型架构，以及 VQGAN、Diffusion 等生成式模型原理。
   • OCR 与文档理解：熟悉 OCR 检测与识别流程，了解端到端 OCR 方案（如 PaddleOCR），以及针对高分辨率文档的处理技巧（如 Patch 切分、多尺度训练）。
   • 指令微调（Instruction Tuning）：理解 SFT 的重要性，掌握数据构造、Prompt 工程及评估指标（如 BLEU, ROUGE, Perplexity）。
3. 项目深度挖掘：面试官常追问项目细节，如'如何解决幻觉'、'数据清洗流程'、'模型量化与加速'。需准备好 STAR 法则描述的项目亮点，并能解释清楚技术选型的理由。
4. HR 面准备：大厂 HR 拥有一票否决权。需清晰表达职业规划，避免负面评价前公司或领导。薪资谈判时保持弹性，强调成长性与匹配度。
5. 前沿追踪：关注最新论文（如 DeepMind 的 AGI 阶段论、OpenAI 的压缩理论），了解业界主流模型（如 GPT-4V, Qwen-VL, Llama）的演进路线。

核心知识点梳理

• Self-Attention：Query, Key, Value 矩阵计算，Softmax 归一化，Mask 机制。
• Vision Transformer (ViT)：Patch Embedding, Class Token, Position Embedding。
• Decoder-only vs Encoder-Decoder：LLM 通常采用 Decoder-only，而 OCR/Translation 多用 Encoder-Decoder。
• RAG (Retrieval-Augmented Generation)：检索增强生成，解决知识时效性与幻觉问题。
• Loss Function：Cross Entropy, Contrastive Loss, Focal Loss 等在多模态中的应用。
• 推理加速：KV Cache, Quantization (INT8/FP16), FlashAttention。

以上经验基于实际面试经历整理，仅供参考。祝各位求职者顺利拿到心仪 Offer。