大模型算法工程师面经

面灵面经面灵AI→

百度大模型算法岗一二面面经

百度一面二面

百度大模型算法岗一面二面面经。一面考多模态架构、视觉语言 Adapter、ViT 特征提取与自注意力原理，并手撕最大正方形；二面深入 MHA/MQA/GQA 与 KV Cache 显存、PagedAttention 和代码补全 Agent 的工程实现。

字节大模型算法秋招一面

字节跳动一面

字节跳动大模型算法秋招一面面经：十道题覆盖基座模型选型与备选评估、数据方案与公开数据集、DAPO 与 GRPO 的差异、强化学习选型考量、上下文压缩与有效长度、长程 Agent 优化方向、FlashAttention 分块原理与 PagedAttention 的 KV Cache 管理，末尾手撕 Self-Attention。

字节大模型算法岗秋招一面

字节跳动一面

字节跳动大模型算法岗秋招一面面经：从基座模型选型理由与备选评估、数据方案与公开数据集取舍，问到 DAPO 对比 GRPO 的改进、强化学习算法选型考量、上下文压缩与有效长度，下半程是 FlashAttention 分块原理、vLLM 的 PagedAttention，最后手撕 Self-Attention。

腾讯大模型算法岗一二面面经

腾讯一面二面

腾讯大模型算法岗一二面记录：一面考注意力实现、ReAct、多轮工具调用的 RL 损失与 GRPO、GSPO，并手撕多头注意力；二面考多工具 Agent 训练、rollout 奖励与 LLM Judge 评估。

腾讯大模型算法岗一二面面经

腾讯一面二面

腾讯大模型算法岗一面二面面经：一面考多头注意力实现、ReAct、多轮工具调用的 RL 损失与 GRPO、GSPO；二面考多工具 Agent 的 SFT、rollout 奖励与端到端时延归因。

阿里千问二面：Agent平台、评测体系与训练基础

阿里巴巴（通义千问）二面

阿里千问二面面经，共29问。前半场深挖Agent工程化：Skill与CLI及Runtime职责划分、工具调用链路、评测系统与Trace指标、自研评测取舍、多用户会话隔离；后半场转向Transformer原理与训练推理基础设施。

滴滴算法面经合集：RL 八股与 Agent 项目深挖

滴滴算法岗面经合集。以强化学习八股为主：PPO/GRPO/DPO/DAPO 区别、组内优势、熵坍塌、动态采样、clip 与 reward hacking，另含 SFT 与 RL 取舍、Agent 项目深挖与 Transformer 手撕。

货拉拉大模型二面：上下文压缩与记忆沉淀

货拉拉二面

货拉拉大模型方向二面面经。从实习难点切入，追问 LLM 沉淀结果的评估与冲突重合处理、firstcoder 与其它 coding agent 的差异、上下文为什么要压缩、上下文与记忆的区别、记忆如何沉淀，以及测评方案。