国内大模型岗位面试经验总结
大模型技术近期发展迅速，在多个领域展现出巨大潜力。然而，其商业化成功及适应监管变化的能力仍是关键。本文基于真实的大模型岗位面试经历，整理相关面经与技术要点，供求职者参考。
投递与 Offer 情况
投递公司： 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。
获得 Offer： 淘天、字节 AML、商汤、蚂蚁、美团、夸克、腾讯混元、天翼云。
详细面经回顾
1. 淘天集团【Offer】
- 部门： 未来生活实验室
- 业务方向： 搜广推、逛逛内容化。团队由戴珊、若海、郑波等人牵头。
- 一面问题：
- OCR 任务训练细节（实验 Setting、影响分析）。
- 高分辨率训练后在小分辨率上是否崩溃。
- 输出 BBox 的优化方式。
- HR 面：
- 教育背景确认（电子科技大 -> 诺亚）。
- 代表性工作、问题解决思路。
- 多模态大模型评测指标及刷榜看法。
- 体验： 面试体验良好，阿里味不浓，最终选择加入。
2. 字节跳动 AML【Offer】
- 部门： 火山方舟大模型
- 预备面经： Hash 表设计、蓄水池采样、超大文本随机行采样、二叉搜索树节点修剪、交叉熵计算、IOU 计算。
- 一面问题：
- 多模态流程、OCR 结构、LayerNorm 区别。
- 二面问题：
- 多模态起步时间、文档场景 Token 长度处理、高分辨率解决方案。
- Patch 大小调整、VQGAN、GPT4V 结构、LLM Decoder、MagViT。
- LLM 基础知识补充建议。
- 三面问题：
- 自我介绍、多模态模型选型、Transformer 熟悉度。
- Python 实现 Self-Attention 和 Transformer。
- 体验： 注重 Coding，每面两道题，一面体验较差。
3. 商汤科技【Offer】
- 一面问题：
- 高分辨率解决办法、OCR 方案（Grounding/Referring）。
- GPT4V 位置检测问题、新模态拼接、新数据训练策略。
- 算法题：Tree1 是否为 Tree2 子树。
- 二面问题：
- AGI 与视觉的关系、工业场景检测（人、零件、机器）。
- 自驾感知到决策、假新闻识别、Caption 场景。
- OCR 场景差异（街景、文档、网页）、不规则文本处理。
- 多模态大模型 OCR 方案、Qwen-VL 文本检测合理性。
- 模型能力分类：自身认知、LISA 分割、外挂 RAG。
- 括号字符串合法性判断。
- 三面： Leader 面，闲聊为主。
- 体验： 技术专业，但产品落地不足，薪资包一般。
4. 蚂蚁风控大模型【Offer】
- 一面： Focus-DETR 介绍及业务应用。
