视觉语言模型 面试题

百度多模态算法岗一二面面经

百度多模态算法岗一面二面面经。一面考多模态大模型架构、视觉语言 Adapter 与 Q-Former、ViT 特征提取和自注意力原理，并手撕最大正方形；二面追问 MHA/MQA/GQA、KV Cache 显存、PagedAttention 与代码 Agent 落地。