华为 AI 模型技术岗三面连问:后训练全流程、Reward Hacking 与手写 Attention
华为 AI 模型技术岗 一面 / 二面 / 三面
华为 AI 模型技术岗的三轮面试实录(原帖以长截图发出):一面围绕实习项目追问 LLM 后训练全流程的选型逻辑、踩坑复盘与 OPD 方案的适用边界,横向比较 SFT、PPO、GRPO,并专门考察 Reward Hacking 的识别与修复,最后手写 Attention 与 Decoder-only 的 Mask 构造;二面转向 Agent 工程实践与框架认知,追问模块设计与技术选型,并手撕一道滑动窗口中档题;三面追问论文细节、实习产出与个人短板。