微调 面试题
共 11 篇真实面经 · 涵盖 字节跳动 / 快手 / 拼多多 / 卓望 / 滴滴 等 10 家公司
字节搜索大模型一面:意图识别、RQ-Kmeans 与 GRPO 原理
字节搜索大模型一面(10 月 28 日,约 50 分钟),围绕两个项目深挖。项目一:搜索完整链路与负责部分、意图识别结果怎么用(是否作为模型特征)、链路时延与兜底、为什么用大模型判意图(输入输出、是否含用户行为、评估指标、基线)、样本标注定义/采样/量级/正负比例/是否与线上分布一致、微调做了哪些工作与其他微调方式、过拟合与灾难性遗忘怎么解决、OPD、显存不足的优化与分布式训练框架、推理优化的词表裁剪与推理框架、端侧资源消耗。项目二:生成 SID 的 Embedding 模型选型、RQ-Kmeans 的 K 选取与聚类评估、与普通 Kmeans 的区别、码本大小经验、生成式模型的输入输出与历史序列处理、GRPO 原理与奖励函数、为什么不用其他 RL 算法、loss 形式、DPO/PPO 原理、优化数学推理任务该选哪种。八股:召回/排序怎么做、双塔召回训练与对比损失、序列特征建模、DIN 多目标结构、self-attention 的 QKV 计算、降低 QKV 复杂度的方法。手撕:接雨水。
快手二面:向量检索、Agent 上下文组织与 LoRA 原理
快手二面:介绍一个最能体现 AI 应用开发能力的项目,问是否做过大模型预训练/后训练/微调、用了什么向量数据库与检索算法怎么选、Agent 上下文如何组织、实习与个人项目分别用了哪些模型、是否接触过训推平台、了解哪些微调方法、LoRA 原理,最后手撕买卖股票。
拼多多人才计划一面:知识内化框架被追问五十个问题
拼多多人才计划一面实录,全程约五十问,几乎每一问都在追问「然后呢」:把高频知识继续预训练进参数的内化框架被逐层拆解——省多少 token、值多少钱、与微调的区别、知识冲突怎么处理、为什么不直接用 RAG、GPU 利用率为何只有 35%、预算砍半先砍哪一步,最后手撕一个动态 batching 调度器。作者的复盘是:准备的是「我做了什么」,面试官问的是「这件事值不值」。
卓望 AI 工程师校招面:异常控制流、LoRA 与全量微调、初始化对称性
卓望 27 届校招 AI 工程师一面:自我介绍、Python 的 try-except-else-finally 执行流程与 finally 中 return 的行为、LoRA 与全量微调、QLoRA 的区别与适用场景,以及模型初始化方法与全零初始化的对称性问题。
滴滴 Agent 岗面经:智能客服与行程规划 Agent 设计
滴滴 Agent 岗面经,全程围绕真实项目与技术选型追问依据:智能问数的数据误差归因、幻觉优化、知识库增强与微调的适用边界、基座与微调数据选择、评估体系、verl 中的 agent loop、GRPO 与 on-policy/off-policy 取舍,以及出行场景智能客服的对话状态管理、工具编排、兜底与服务质量评估,行程规划 Agent 的长流程上下文、断点恢复、多 Agent 并发改文件的冲突处理,手撕买卖股票 II 与编辑距离。
广州某小厂 AI 应用开发实习面试:LoRA 显存、PEFT 与量化的连环追问
一篇非科班同学的 AI 应用开发实习面试记录(项目是本地跑的 LoRA 微调):LoRA 训练到底用没用显卡、微调是什么、为什么选 qwen3-4b、Transformer 分几部分、训练结果不符合预期除了调参还能做什么、怎么训的、用的什么模型(作者提 Codex 被面试官指出那只是框架)、PEFT 与量化分别是什么,作者自评基础差导致挂掉。
美团 AI 产品 Builder 初面
美团 AI 产品 Builder 岗初面(10 月 13 日,全程二十多分钟):围绕一个 RAG 项目追问向量化模型选型理由、项目难点、为什么做微调与具体做法、项目周期,以及数据库选型耗时很久的原因与过程。
陕西省金种子人工智能研发初面:十分钟就结束的线上面
陕西省金种子人工智能研发岗初面记录:临时通知线下面试、申请转线上后多人同场等候,自我介绍两分钟,问了会不会其他编程语言、有没有做过微调、会不会数据库,不到十分钟结束。
腾讯 IEG 后台开发日常实习二面与 HR 面面经
腾讯 IEG 后台开发日常实习的二面与 HR 面记录:二面 35 分钟全程挖项目,问自研深度研究模型相比通用大模型的优势、评估环节的覆盖率与来源质量怎么算、微调用的基座与训练前后指标、既然最终仍靠大模型兜底为何还要微调,以及安全方面的做法;HR 面追问实习经历与人机分工。
字节AI产品实习一面面经
字节AI产品实习一面重点深挖项目评测体系、Bad Case归因、训练数据质量与模型微调,并追问RAG、多智能体和OpenClaw等方向。
阿里 AI 产品经理实习一面面经
阿里 AI 产品实习一面,深挖多维权限、MCP、大模型与传统模型差异、RAG 链路、微调选型和日常 AI 产品使用。