节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对大模型技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。

今天我整理一下算法岗方向面试题，分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以加入我们交流群。

华为硬件工程院

岗位：算法工程师

一面

• 简述笔试第二题的思路(广度优先)？

• 广度优先和深度优先的区别？

• 如果要求最近距离的话，应该用哪种算法？

• 知道dijkstra算法和prim算法的区别吗？(没答出来，因为prim忘了)

• dijkstra算法是怎么实现的？

• 了解C++的容器吗？

• 你在笔试中遇到了short，知道short和int在不同的操作系统里占的

• 自我介绍(会打断，然后展开来问，后面的问题都是这样，还没介绍完，这部分就结束了)

• 确认基本信息，包括学校、毕业时间、六级、论文等

• 你的学业奖学金，他的比例是多少？

• 问项目，比如简要介绍项目，遇到的困难，怎么解决的等等

• 给一个数字n，转化为二进制，找到对应的二进制字符串里最长连续0的数量。比如4，二进制字符串是100，结果就是2。

• 给一个字符串，把相邻的相同的字符删掉。比如“abccbd”，结果是“ad”。

• 讲一下代码

• 反问

二面

• 自我介绍

• 项目里有什么困难，怎么解决的(问的很细，加上他自己的理解，互相讨论)？

• 还有其他项目吗？

• 没有其他项目了吗？(就准备了两个，裂开)

• 给你几个数字如{123，4，456，789}，请把他们组合成一个最大的数。

• 你还有其他信息要补充的吗？

• 反问

三面

• 自我介绍

• 我看你搞了CATIA(一个法国的三维建模软件)的二次开发，如果让你去搞一个一样的软件，你会怎么搞？

• 假如我是投资人，给你几个亿美金，你会怎么搞？

• 你觉得国产工业软件可以赶超国外吗？可以的话，为什么？多少年？

• 为什么现在可以？一二十年前不行呢？

• 最后面试官说了他对上述问题的看法(我像个听课的学生)

• 籍贯？意向地？

• 你觉得你的主要优势是什么？

• 学习成绩排名？

• 考研还是保研啊？为什么没能保研呢？谈恋爱去了？（笑）

• 想来华为吗

• 有女朋友吗？她对你来华为怎么看？

• 关于你的主要优势，有什么事可以体现吗？

• 反问
  ‍

小红书

岗位：算法岗

一面

• 自我介绍

• 介绍项目

• gcn和graphsage的不同

• transformer和bert的postion embedding

• 神经网络如果权重全部初始化为0会存在什么问题

• 没有隐藏层，单层感知机，是什么情况

• 单层感知机，使用交叉熵损失，求导

• 做题：最长递增子序列

• 问意向城市

• 反问

二面

• 自我介绍

• 介绍论文，为什么不做成端到端的，异构图

• 在图上进行采样有什么高效的方法

• 有没有比较一些文本分类的算法，大规模类别的

• 做题：计算圆周率，使用的随机数生成，问有没有什么高效的方法

• 反问

三面

• 自我介绍，选一个项目讲一讲

• 多模态对齐实际上到底有没有用

• 如何判断表示是在一个欧式空间里面，如果不同的表示来自希尔伯特空间和欧式空间应该怎么做

• 找工作看中什么，小红书和其他大厂的不同

四&HR面

• 问论文，问实习，都是常规

• 问图表示学习，如何评估，有没有看过最新的论文，如kdd等上面

• n*n矩阵，找到行最大列最小的元素，时间复杂度是多少，如何优化

• 部门介绍

• 问过往比较重要的时间段

• 过往比较苦难的时间

• 目前offer，公司选择，城市选择

Momenta

岗位：算法岗

一面

• 自我介绍

• 讲paper

• coding：transformerLayer：self-attn和ffn实现;

• 继续问sqrt(dk)的作用，能不能用norm呢？

• 写太快又来一题：求一个6面均匀的骰子，不断投，每面至少出现一次的期望

• 模拟

• 进一步误差如何得到：多测几组得到均值和方差

• 介绍组里做的方向：主要是深度学习的轨迹预测

二面

• 大致过一遍项目

• 问炼丹熟练度：

• Loss nan遇到过吗？怎么办

• Cuda超显存遇到过吗？怎么办

• 不收敛遇到过吗？怎么办

• 训练慢遇到过吗？怎么办

• Profiler用过吗？用来debug什么

• 部署经历有吗

• 反问：介绍组里planning方向

三面

• 自我介绍

• 讲项目

• 视觉，nlp，多模态大模型的进展

• instructGPT的RL损失相比有监督损失有什么作用：调节正负样本距离

• 写题：输出所有的连续正整数序列，和为输入的target

• 反问

三星

岗位：视觉算法岗

技术面

• 英文自我介绍（主要看你口语是否流利，面试官会用这段时间看简历，所以说错也不要紧）

• 深挖项目

• 边缘检测算子有哪些，算子的参数值是多少

• jpeg图像压缩方式

• c++ vector加入元素时空间不足如何扩容

• 腐蚀、膨胀操作的目的

• c++17（记不得具体是什么了，当时也没答出来）

• tcp三次握手 每一步seq、ack的值

• 使用过哪些模型

• 训练的数据量有多少

• 训练时长

• 反问

HR面

• 中文自我介绍

• 有过实习吗->参与过竞赛吗

• 用几个词形容一下你->你提到你说话直言不讳，这可能会让对方不适，如何应对

• 你的兴趣爱好（沙卵二次元）->去过漫展吗->出过cos吗->为什么cos这个角色

• 期望薪资（突然插入，大概说了个数，没压价）

• 你在学生会担任什么工作->策划过哪些活动->检查时遇到矛盾如何解决->如何管理下属

• 现在有offer吗->为什么没接

• 压力最大的时候->如何缓解

• 有艺术特长吗->学校活动会找你做主持人吗->为什么找你->你的主持风格

• 反问（公司保密制度相关）

技术交流

前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了NLP&大模型面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2060。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。

方式①、微信搜索公众号：机器学习社区，后台回复：技术交流
方式②、添加微信号：mlc2060，备注：技术交流

用通俗易懂的方式讲解系列

• 用通俗易懂的方式讲解：不用再找了，这是大模型最全的面试题库
• 用通俗易懂的方式讲解：这是我见过的最适合大模型小白的 PyTorch 中文课程
• 用通俗易懂的方式讲解：一文讲透最热的大模型开发框架 LangChain
• 用通俗易懂的方式讲解：基于 LangChain + ChatGLM搭建知识本地库
• 用通俗易懂的方式讲解：基于大模型的知识问答系统全面总结
• 用通俗易懂的方式讲解：ChatGLM3 基础模型多轮对话微调
• 用通俗易懂的方式讲解：最火的大模型训练框架 DeepSpeed 详解来了
• 用通俗易懂的方式讲解：这应该是最全的大模型训练与微调关键技术梳理
• 用通俗易懂的方式讲解：Stable Diffusion 微调及推理优化实践指南
• 用通俗易懂的方式讲解：大模型训练过程概述
• 用通俗易懂的方式讲解：专补大模型短板的RAG
• 用通俗易懂的方式讲解：大模型LLM Agent在 Text2SQL 应用上的实践
• 用通俗易懂的方式讲解：大模型 LLM RAG在 Text2SQL 上的应用实践
• 用通俗易懂的方式讲解：大模型微调方法总结
• 用通俗易懂的方式讲解：涨知识了，这篇大模型 LangChain 框架与使用示例太棒了
• 用通俗易懂的方式讲解：掌握大模型这些优化技术，优雅地进行大模型的训练和推理！
• 用通俗易懂的方式讲解：九大最热门的开源大模型 Agent 框架来了