节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。
针对大模型技术趋势、算法项目落地经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。
总结链接如下：
喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们星球
大家好，最近面试了抖音 NLP 算法岗，八股文我准备的还是比较充分，但手撕代码题，每次问到都特别紧张。
这次面试官人很 Nice，也很有耐心，给了一些引导和思路，虽然多浪费了一下时间，最终还是做出来了。
一面
聊项目
AUC的两种公式是？你能证明这两种等价的吗？
BERT-CRF中，为什么要加CRF？好处是？
self-attention为什么要用QKV三个矩阵，不用有什么问题？有没有哪个模型的Q和K矩阵是一样的？
reinforce属于on-policy还是off-policy？为什么？
reinforce带上baseline好处是？reinforce的loss写一下？
策略梯度会推导吗？简单写一下？
介绍大模型微调的优化方法及其区别
比较ChatGLM、Llama、qwen等大模型的区别
比较 Layer Normalization（Tayernormalization）和Batch Normalization的区别
大模型 langchain 和 Ilamaindex，比较两者的区别
描述从0到1训练大模型的流程、方法及注意事项
当前大模型检索存在的问题，以及如何进行RAG（Retrieval-Augmented Generation）优化的方法
代码题
代码题一般别着急写，先跟面试官说下思路，确定了再写
- 给定一个无重复整数数组，返回所有可能的排列
Input: [1,2,3]
Output:
[
[1,2,3],
[1,3,2],
[2,1,3],
[2,3,1],
[3,1,2],
[3,2,1]
]
- 矩阵置零：给定一个 m * n 的矩阵，如果一个元素为 0 ，则将其所在行和列的所有元素都设为 0
二面
介绍项目
知识蒸馏有哪几种？你觉得哪种效果最好？
nlp 的数据增强方法，主要有哪几种？每一种举个例子？
分类的损失函数为什么是交叉熵而不是mse？
BERT对输入文本的长度有什么限制，为什么要限制长度呢？
目前有哪几种注意力机制？
给出emb_size, max_len, vocab_size, ff_inner_size，num_heads, 12层，求BERT参数量 项目常规问题：项目中印象最深的点，怎么解决的，提升多少
代码题
n 皇后问题，基于基础版进行了升级
