面试几乎都是挖简历，挖项目，考算法、考解决问题的能力。

1.你要不先做个简单的自我介绍？

2.你是在原来的公司工作三年的时间？

3.你研究生的工作主要是做什么的呀？项目主要是做什么的呀？

4.你上一家公司是？

5.你们大模型主要做什么的？你们公司大模型在做什么东西啊？为什么要建立一个大模型端到端数据训练推理流程？

6.那你们是基于什么模型去微调的？

7.你们训练语料，训练语料流程是什么样子的呢？

8.会建立哪些榜单啊？（测评）

9.那代码能力Claude code 已经很好了，你们能超过他们吗？为什么不直接用？

10.你们也会打榜，就是不会把打榜作为目标是吗？

11.因为全流程很长，那你主要聚焦在哪一部分？

12.这是怎么实现的呢？（16B大模型做手机AI智能助手）

13.也就是说你会做SFT和FLHF是吧？

14.然后你在里面的工作，你觉得主要的难点是什么？

15.增加新数据，可以对模型其他指标能力有影响，掉点问题怎么解决呢？

16.数据飞轮的话，你们是不是要训练很多的轮次？

17.建设飞轮数据的方案可以具体说一下吗？指的是什么事情？

18.工程实践方案是你负责吗？你是负责哪一部分，整个pipeline设计，包括算子，所有策略都是你来负责吗？

19.那你们数据评测的方法是什么?

20.显著缓解模型幻觉和输出不稳定问题是怎么解决的？

21.你们训练这个模型一般需要多少资源多久时间？（16B）

22.那你们16B模型是指哪个模型？千问吗？

23.那你们训练语料的量是多少？

24.用的什么卡训练？

25.训练效率提升是如何实现的？deepspeed

26.问一个问题哦，医疗领域，一般问大模型布洛芬胶囊孕妇能不能吃，它大概概率有些幻觉，有些药品说明书里会说孕妇不能吃。如果出现幻觉，何解？

27.我想在线下就能检查出来幻觉，有没有好的方式吗？我想知道，哪些是有幻觉的，而且不可能所有解决幻觉的方式都用上。

28.你还有一个开源的项目吗？个人的吗？开源项目是关于什么的项目啊？

29.你是偏算法的是吧，应用算法还是基础算法？

30.你对工作的地点要求是？

31.来杭州的原因是因为？要在杭州定居？

32.问一个基础的技术问题。（本面试间没有写代码功能所以叙述题目和解题过程）我们在一个很大（超大）的文件里面，文件里面每一行都是一个32位的整数。文件很大，可能会有重复出现的数。但是呢有一个整数，没有出现在这里面。你需要找出这个没出现的数。尽量内容用少一点，内存不能超过1GB。文件很大没有限制，文件类型也不重要。

33.那接着上一个问题，如果我们内存很小，其他的方法都可以采用，有什么办法找出这个？

34.你们做code的话，swe bench verified 关注过吗？你觉得这个榜单和你们做的榜单有什么区别？

35.人工生成语料肯定比不过自动化的、语料的准确率和量有什么提升方法吗？

36.如果是SWE线上抓取的，那你们生成的一条语料，应该包括哪些东西？应该输出一个什么东西给大模型用？什么形式的语料？

37.那它在RL训练的时候是怎么用呢？你觉得。

38.你觉得这个场景是多轮对话还是单轮对话？

39.能控制轮数收敛吗？

40.那我再问最后一个问题，你有做30亿token的数据，你们有什么资料筛选机制或者去毒去污的流程有什么设计？

41.具体说一下怎么实现语义相似度检查的。

42.那你们是怎么去做数据多样性啊，你们要做数据多样性的工作吗？

43.那还是医疗行业的问题，他们公开数据集比较少，文档文本有些获取也比较难，那有什么策略构建一些高质量的，能持续更新的医疗库，你有什么思路？

44.那你是怎么做数据合成的？合成数据的质量怎么保证？

45.你收到是MY什么层级的岗位啊？

46.那你对MY的层级有要求吗？

47.反问阶段