先说一下，我投的是受控生成，然后叫我面的岗是对话问答。
中间隔得有点久了，有些问题记得不太清楚了。
一面
1. 自我介绍
2. 算法题：给一个由个位数构成的列表，求该列表在字典序上的下一位。这题做了大概十分钟，期间出了一个bug，然后说思路，面试官说思路没问题但是代码有问题。
3. 问项目，几乎每一个都问了，问了细节，建议先熟悉一下自己之前做过的项目。
4. 交叉熵公式，手写
5. 问预训练模型的分类。我说有Bert一类和GPT一类的，然后让我说一个同时具有Bert类和GPT类特点的预训练模型，提示说uniLM，我表示之前看过论文但是记不太清楚了。（后来看了一下uniLM，发现是微软的paper）
6. copy机制
7. NLP最近进展，我瞎说了一下预训练大模型，面试官提示prompt learning，我表示了解但又不太了解。
8. 啥时候能来干活，能干多久。
9. 提问
时长：接近60min
二面
1. 自我介绍
2. 一个简单的算法题：求一个字符串中第一个一共只出现一次的字符的index。要我先说思路，然后在自己的IDE上写，也不用运行。
3. 手写二元的交叉熵公式，然后让我调用pytorch的函数算交叉熵（就对着文档说了说这函数怎么用）。
4. 问项目，让我自己挑一个讲，不用讲细节，只用说一下high level的做法。说完之后问，你们有没有试过另外一种做法，我说试过，结果怎么怎么，然后要我分析一下，为什么会有这样的结果。我说完之后面试官评论说，感觉你们这个做法不是很有意义，我直接无语。
5. 在项目的基础上问了一个问题。
6. 如何保证生成的多样性。感觉这是个业务场景题。先随口说了一下改进采样方法，然后说了一波受控生成。然后面试官说我这都是显式的，还有隐式的方法，我一脸迷惑，然后继续解释说类似在VAE的latent space里面采样的方法。原来是想我说一下VAE啊，然后说了一篇之前看过的VAE的做法。
7. 有没有了解跨模态预训练，我表示不了解，面试官表示你做过跨模态的任务居然不了解跨模态预训练？我无语。
8. 图像评论中，如何避免生成的评论趋于空洞（数据集中有大量空洞的评论）。这大概率也是一个业务场景题。我先说给数据集做一下采样，降低空洞评论的比例，拖延一下时间，然后说用预训练模型。
9. NLP最近进展，我说prompt learning，然后让我一句话介绍prompt learning，之后是简单说一下prompt learning的趋势。
10. 啥时候能来干活，能干多久。
11. 提问
时长：接近60min
三面
面之前搜了一下面试官，发现是个大牛，面的时候不出意料的跪了。
1. 自我介绍
2. 啥时候能来干活，能干多久，然后觉得三个月实习时间短了。
3. 空口讲算法题：从一个很大的数组里面均匀而不重复地取出m个数。一共说了三种方法，期间感觉有些地方我说的和面试官理解的不太一样，磕磕绊绊，一直指导我想出他想的那种方法。
4. 提问
时长：30min左右
感觉面试官巨忙，面试开始五分钟之后面试官才到，然后最后提问的时候说可以让我问一个问题，结果我问了三个，第三个说到一半的时候说要接个电话就结束了。
大家面之前可以搜一下面试官，提前做好心理准备。
全部评论
(4) 回帖