校园招聘会投了信动力和普通招聘，本人双非本211硕，信动力秒挂，普通招聘在处理简历那里卡了很久，也挂。过了一个多月hr给我捞出来了，给了基础笔试，也就是行测那些，过了之后给了技术笔试，考的题大都是数据结构以及一些Linux之类的知识，以及编程能力。昨天完成了AI面，基本就是聊天，英语我的很简单。等待后续过程中。

初面就是一些基础题，行测题和性格测试等，有些基础的话问题不大。技术笔试的难度约等于大学本科结课考试，但对于硕士而言确实忘的比较干净，比如问了一个kmp的next数组，之前手到擒来的题现在做一脸懵b。AI面试就随便说说，别犯错就没问题。英语面试分两部分，阅读and回答问题。我的阅读是一段关于音乐的，整体难度约等于高中，有些词较为偏僻。问答题问给我影响最大的人，介绍一下。

赞一下(0) 踩一下

一小时，拷打transformer?
你怎么理解AIGC？
讲一下transformer
transformer和cnn的区别
transformer中embeding怎么做的
位置编码你了解哪些形式
三角函数位置编码有哪些好处，旋转位置编码呢
position embeding 和input怎么融合的
多头注意力相比单头优势，encode的时候多头会做融合吗？还是什么时候做融合？
拆成多少个头有什么规律吗？
之后的层归一化怎么实现的
前馈神经网络有几层，为什么要用mlp这种结构？

像gpt和图像生成，大都是decoder-only架构，为什么？参数量多少
相比于传统的模型和思路方法，为什么能达到现在这个效果，以及你怎么看待它未来的发展。
多模态模型了解哪些？
无手撕

赞一下(0) 踩一下

整体面试氛围比较轻松，面试主要还是围绕的自己的项目来的。但是会做一定的延展，必须对自己的项目非常的熟悉。另外对于他们公司也必须要有一定的了解，会问一些和和岗位相关的问题。比如他们的数字人技术，就需要了解一点生成式网络的相关内容。还需要对目前比较或的扩散模型有了解，需要说明原理。

1.说明nerf的原理并推导nerf的公式。
2.nerf和instant-ngp有什么联系和区别。
3.假如我已知一个头部三维模型，现在根据图片生成了一个三维模型，我怎么判断这个模型与已知模型是一样的？
4.如果现在有一个三维模型，我怎么确定鼻子上的关键点和已知模型的关键点对应？
5.你了解生成式网络么，简单说一下你的了解？
6.对于扩散模型呢？
7.请推导一下em算法。

赞一下(0) 踩一下