最近这一两周不少互联网公司都已经开始秋招提前批面试了。
不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。
最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。
总结如下：
《AIGC 面试宝典》圈粉无数！
《大模型面试宝典》(2024版) 发布！
喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们星球
从8月12号到8月29号，我们星球一成员面试了智谱大模型算法岗。
他共计三轮技术面和一轮HR面，九月份发意向，十月份谈薪，效率实在太高了。
下面是技术面和HR面的面经总结，分享给需要的童靴们：
技术面
-
自我介绍
-
介绍实习经历
-
介绍项目中使用的语料
-
Ptuning 和 lora 的原理
-
Instruct 和 prompt 有什么区别？
-
是否尝试过训练 Reward 模型？
-
有没有涉及到对底层代码的更改
-
ppo、dpo、RLHF 的理解
-
如何对大模型进行评测
-
讲一下 Transformer 架构
-
几种模型的注意力机制、位置编码
-
硬件资源使用情况
-
训练过程中如何进行模型监控？
-
有没有使用过大模型加速推理框架？
-
讲讲 DeepSpeed 的几个阶段，分别对什么进行分片？代价是什么？
-
说说 DP（数据并行）和 DDP（分布式数据并行）的理解。
-
Coding：括号匹配、最长公共子串、合并两个升序链表
非技术面
-
介绍一下两段实习，学到了什么东西
-
实习里边你觉得带来的最大改变是什么
-
实习期间最大的挑战是什么
-
实习期间是怎么和mentor合作的
-
这边工作节奏可能比较快，怎么看待
-
找工作有哪些倾向
-
说了大模型独角兽公司的一些优缺点，让好好考虑
-
还面试了哪些企业
总结
总体上智谱AI效率比较高，问的内容偏向于实践，节奏和互联网大厂这边一致，拿到机会，比较开心。
技术交流
