PythonAI算法
国内大模型企业面试复盘与经验总结
本文详细复盘了作者在 2023 年期间面试国内多家大模型企业的经历，涵盖智元机器人、面壁科技、Minimax、阿里、百度等公司的面试流程与结果。文章总结了当前大模型行业的竞争态势、岗位技能需求优先级及薪资水平。重点梳理了高频面试考点，包括多头注意力机制、Transformer 架构细节、分布式并行训练策略、训练技巧及评估体系，并提供了具体的备考建议和技术深化方向，旨在帮助算法工程师更好地准备大模型相关岗位的面试。
本文详细复盘了作者在 2023 年期间面试国内多家大模型企业的经历，涵盖智元机器人、面壁科技、Minimax、阿里、百度等公司的面试流程与结果。文章总结了当前大模型行业的竞争态势、岗位技能需求优先级及薪资水平。重点梳理了高频面试考点，包括多头注意力机制、Transformer 架构细节、分布式并行训练策略、训练技巧及评估体系，并提供了具体的备考建议和技术深化方向，旨在帮助算法工程师更好地准备大模型相关岗位的面试。
2023 年三月前后，大模型在国内迅速兴起，笔者在此期间面了多家大厂及初创公司。近期多位同行朋友对大模型岗位面试感兴趣，特将经历综合整理如下，希望能与各位交流。由于时间跨度较长（最早面试距今已半年），部分细节记忆可能模糊，列表顺序大致按面试时间排列。
后文会总结面试经验感悟及建议注重的内容，一家之言仅供参考。
当时处于早期组建团队阶段，一面由创始人稚晖君亲自面试。主要询问简历经历及 Transformer 相关基础问题，如 MHA 机制、复杂度分析、BERT/GPT 架构差异等。后续未收到回复，判定为未通过。与大牛交流体验顺畅，看好具身智能方向。
共两面。技术面涉及大模型训练、Transformer 细节及过往项目经历；二面直接沟通 Offer 事宜。团队年轻，清华背景居多。资金充足，薪资包具有竞争力。
猎头推荐，简历筛选阶段被拒。
共 3-4 轮面试，面试官来自不同团队（Evaluation、训练等）。整体感觉偏向招募 Evaluation 方向人才。中途有一次面试官爽约，后续 HR 未再跟进，默认为拒。
猎头沟通时定位为高 P（P8+），最终简历被拒。
面试轮次较多（至少 4+ 轮）。前几轮侧重 LeetCode，大模型内容问得较浅，其中一面要求手写 MHA。最后一轮主管面后分配至框架组 Offer，咨询算法组机会被否。薪资总包较高，但业务方向沟通较少。
面试涉及大模型训练细节，如参数量级、训练技巧等，未见 LeetCode。面试官氛围轻松。Offer 薪资相对其他家略低，但猎头反馈其整体待遇不错。
两轮面试被拒。第二轮面试时长异常（设定 1 小时，实际聊 2 小时），深入探讨了模型端、框架端及研究细节。虽交流愉快，但未通过。
共 4 轮。含 2 轮 LeetCode，穿插大模型经验问答。第三轮为标准大模型问题（Transformer、分布式训练、Loss Spike 处理等）。第四轮交叉面试，涉及搜广推概率论及 OS 问题。Offer 流程中 HR 沟通体验一般。
约 3 面，问题中规中矩。终面与周伯文老师交流。提供框架岗位，个人意向为模型岗，薪资较高。
主打框架，一面深挖模型切分方式及 Flash Attention 等内容。表达想做算法端后，二面转算法组，侧重应用端，因基座方向 HC 有限未通过。框架端在圈内口碑较好。
徐鹏老师团队。二面由徐鹏老师本人面试，涵盖大模型、搜广推及实习经历。团队强调 Research 与 Engineering 不分家，观点契合。HR 面后快速发 Offer，首年签字费可观。
猎头反馈需 PhD 学历，简历被拒。
猎头反馈需 PhD 学历，简历被拒。
共两面。一面含 LeetCode 及手写 MHA，表现尚可。二面回答不佳，具体遗忘。后续无消息，判定为拒。
猎头安排面试，一面通过后，二面因迟到被 HR 以经验年限不足为由拒绝。
多轮面试。一面数据组，侧重数据处理；申请转模型组后，二面起由模型组负责。内容涵盖 Transformer 及训练细节，分组细致（模型、框架、数据分离）。薪资底薪较高。
HR 初筛因工作地点（合肥）原因直接拒绝。
一面即被拒，印象不深。
团队背景相对一般。一面 LeetCode 未答出，模型轮表现尚可获 Offer。项目涉及数学相关 GPT 模型。
一面阿里推荐系统大佬，LeetCode 及推荐系统问题表现尚可。二面搜广推/NLP 大佬，LeetCode 难题未解，挂掉。
面试专业度极高。一面涉及 Transformer 基础、分布式训练底层通信（Ring-Reduce 实现）、CUDA 编程能力考察及高难度 LeetCode。创始人及团队背景顶尖，可惜未通过。
一面 LeetCode 及大模型技术；二面团队负责人，探讨高层愿景及市场方向。纯研究方向，算力强劲，聚焦 LLM 及多模态。因一面 Coding 较弱补考 Coding 后获 Offer。
专注 RLHF 微调，清华背景，创始人有 OpenAI 经验。RL 方向积累深厚，因个人 RL 经验不足未通过。
这段时间面试多家企业，收获颇丰。自身背景以基座预训练算法为主，对框架和 RL 有一定了解，后端知识（ML Compiler, Kernel, CUDA）较浅，硬件几乎不懂。综合来看：
针对基座算法/框架岗位，以下知识点出现频率极高，建议重点复习：
这是必考题，涵盖概念、代码实现及优化。
大模型领域正处于快速迭代期，技术门槛高且变化快。求职者需在保持算法深度的同时，拓宽工程视野。希望本文整理的经验能为正在求职的同行提供有价值的参考。如有遗漏或错误，欢迎指正。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online