面灵AI→

阿里健康 Agent 算法实习一面:打标、召回权重与 DCN-V2 特征交叉

阿里健康 Agent 算法工程师(实习) 一面

阿里健康 Agent 算法实习一面:快手实习的用户打标与负向标签提取、标签召回与权重(强限制与弱限制怎么区分)、特征贡献度是打标模型还是排序模型学的、意向初筛与多目标精排、DCN-V2 的结构与特征交叉、还调研过 FM/DeepFM/DIN;滴滴的多模态 VLM 微调与 Decision Model 级联打标、L1~L4 四层标签体系下的分层预测加 Beam Search 为什么选 32-32、判别式模型与生成式模型对比;算法题是搜索日志 Top-K 热门 Query(归一化 + UV 去重)。

2026-11

小米汽车大模型算法:GRPO 追问到第五层,DPO 与线上灰度

小米汽车 大模型算法 一至二面

小米汽车大模型算法一二级面:一面从项目为什么引入 Agent 讲到 GRPO 完整训练流程、组大小 G 怎么取、规则 reward 与 reward model 怎么加权、Reward Hacking 的形式、Top-k 与 Top-p、PPO 与 GRPO 的差异、DPO 的 loss;二面问模型选型硬指标、没有完整监督轨迹时训练信号从哪来、业务规则写进 prompt 还是 reward、LoRA rank、灰度与吞吐、线上 reward 分布漂移怎么发现。手撕带障碍消除的最小路径和。

2026-11