科大讯飞 AI 后训练一面面经：实习深挖与数据验证性

《面试题目》

1. 自我介绍。
2. 聊实习：做的内容是什么、有没有论文、具体方法是什么、效果如何、对数据的验证性是怎么考虑的？
3. 聊实习：为什么做这么短时间就离开？
4. 聊实习：现在在做什么，有什么已有的成果？
5. 反问：讯飞的基模是什么情况？

《参考解析》

后训练岗位真正在考什么。这场面试几乎没有八股，全部时间花在实习上，说明面试官在判断两件事：你是不是真的动手做过后训练的数据与方法，以及你对「效果」的理解是否可靠。后训练的日常工作通常是数据构造与清洗（指令数据、多轮对话、偏好对）、训练方法（SFT、DPO/RLHF 的偏好优化、奖励模型）、以及评测体系（自动指标、人工抽检、线上 AB）。所以回答时要按「目标—数据—方法—验证—结论」这条链讲：这个阶段要提升的是哪一类能力（指令遵循、推理、长文本还是拒答），为此构造了什么数据、怎么保证质量，训练与评测的具体配置是什么，最终用什么指标衡量、涨了多少、有没有退化的地方。只讲「我跑了训练、loss 降了」是不够的，面试官会立刻追问效果怎么验证。

「对数据验证性的考量」是最关键的一问。可以按四层回答。第一层是数据来源与清洗：原始轨迹从哪来、如何去重（精确与语义去重并存）、如何过滤低质量与不安全内容、如何避免训练集与评测集泄漏——这一步最常见的错误是评测题混进了训练数据，导致指标虚高。第二层是标注质量：多人标注要有交叉校验，用一致率或 kappa 衡量分歧，分歧样本要回到定义上修订标准；抽检比例与复核机制要固定，不能只在抽查结果好看时才启动。第三层是评测设计：离线评测要有固定的 hold-out 集合与可复现的推理配置（温度、提示词模板、few-shot 数量），指标要分能力维度而不是只看一个总分；同时看 pass@k 与单次通过率的差别，前者反映能力上限，后者反映稳定性。第四层是线上线下对齐：离线涨了但线上没涨，往往是分布不一致（真实请求更脏、更长、更口语）或指标不相关，这时要做失败案例的归因分析，并把线上 badcase 回流进评测集。

关于「对数据轨迹正确性执念过深」的反思。原帖作者的自我复盘很有价值：训练数据的验证不是要求每一段轨迹都绝对正确，而是要求它在分布上可学习、与目标能力相关。一条推理轨迹即使最终答案正确，过程也可能是错的（运气对的），这种数据学进去会让模型学到错误的推理模式；反过来，一条最终答错但过程合理的轨迹，在做拒绝采样或过程奖励时仍然有价值。所以工程上的做法是：用验证器或可执行的检查手段筛出「过程与结果都可信」的样本，对争议样本单独标注而不是简单丢弃；统计上关注通过率、正确性与多样性的整体分布，而不是把注意力放在单条轨迹的绝对正确上。如果面试时被追问「你怎么保证数据是对的」，正确回答是给出验证机制与容错设计（自动校验加人工抽检加分布监控），并承认自动化校验有覆盖率上限，而不是声称数据全对。这一点想清楚，面试官会认为你的认知是工程化的。

实习时间短、成果如何回答。实习时长短是常见的扣分疑虑，回答的要点是给出可核实的原因（学业安排、课题冲突、岗位方向与预期不符等），并说明这段经历留下了什么：具体交付了什么（数据集、评测脚本、实验结论）、有没有被采纳、有没有沉淀成文档或工具、对后续工作的影响。切忌把原因全部归到团队或导师身上。至于「现在在做什么、有什么成果」，要能把当下的进展讲成有时间线的计划：在学什么、在做什么实验、预期产出是什么；如果有论文或开源产出，直接给结论与自己的贡献占比，不必谦虚也不要夸大。

反问环节该怎么问。帖子里作者问的是「讯飞的基模是什么情况」，这是个好方向但容易问得太泛。更有效的问法是把问题落到岗位与自己的成长上：这个团队负责的是基模后训练的哪一段（数据、对齐、评测还是落地方向）、当前主要用哪类方法、评测体系怎么搭、新人前三个月的产出预期是什么、与基模团队的分工边界在哪里。这样既能判断岗位真实内容，也能让面试官看到你关心的是做事方式而不是笼统的公司实力。至于「基模情况」，可以顺带问清楚是在自研基模上做后训练，还是围绕外部模型做适配——两者的技术栈与产出形态差别很大，直接决定你入职后做什么。