阿里巴巴 · 高德
大模型算法一面、二面面经
完整信息
本篇目录
一面
一、Python基础核心问答
1. 阐述Python中可变数据类型与不可变数据类型的定义、区别及典型应用场景
2. 详细说明Python中 is 与 == 两种判断方式的底层差异
3. 解释普通赋值运算、自加运算过程中，变量内存与数值的变化逻辑
4. 针对大模型生成式任务，说明常用的文本生成效果评估指标与落地方法
5. 简述RAG检索增强生成的核心原理、核心组件与工作流程
6. 列举大模型主流微调方案，重点说明强化学习对齐相关的核心算法
7. 简单介绍贝尔曼方程的核心含义与适用场景
二、简历项目深度深挖
1. 项目中核心创新方法、核心解决方案是什么，相较于常规方案的优势
2. 项目落地与模型训练过程中遇到的最大难题、典型坏案例（Badcase）
3. 针对问题的排查思路、解决方案，以及方案选型的核心考量
三、手写算法编程
现场纸笔手写代码，要求实现字符串压缩、字符串解码两个核心函数。
完成编码后，逐行讲解代码逻辑、解题思路与边界条件处理。其中解码函数的部分细节未能完整编码实现，但完整梳理了全套解题逻辑与实现方案，面试官予以认可。
四、反问环节
1. 该团队的核心业务方向与日常工作内容
2. 教育大模型场景下，模型常见的Badcase具体类型与成因
3. 团队现有的算力、训练设备等计算资源情况
二面（约50分钟｜团队组长面试）
1. 详细讲解旋转位置编码（RoPE）的实现原理、提出背景，同时分析该编码方式的固有缺陷
2. 结合模型结构图，完整阐述Transformer编码器与解码器的核心区别，明确解码器输入特征、变量含义，梳理编解码的应用场景差异
3. 讲解BPE分词算法的完整训练与分词流程、核心逻辑
4. 在GRPO模型训练过程中，是否遇到过策略坍塌、训练崩溃等问题，具体的排查与优化方案
5. 强化学习项目中奖励函数的整体设计思路；奖励权重结合格式规范、答案准确性双维度设计，是否做过权重消融实验（如各50%权重配比测试）
6. 对比GRPO、GSPO、DAPO三种前沿强化学习算法的核心改进、优化差异与适配场景
本篇目录
当前问题0121
- 01
阐述Python中可变数据类型与不可变数据类型的定义、区别及典型应用场景
- 02
详细说明Python中 is 与 == 两种判断方式的底层差异
- 03
解释普通赋值运算、自加运算过程中，变量内存与数值的变化逻辑
- 04
针对大模型生成式任务，说明常用的文本生成效果评估指标与落地方法
- 05
简述RAG检索增强生成的核心原理、核心组件与工作流程
- 06
列举大模型主流微调方案，重点说明强化学习对齐相关的核心算法
- 07
列举大模型主流微调方案，重点说明强化学习对齐相关的核心算法
- 08
简单介绍贝尔曼方程的核心含义与适用场景
- 09
项目中核心创新方法、核心解决方案是什么，相较于常规方案的优势
- 10
项目落地与模型训练过程中遇到的最大难题、典型坏案例（Badcase）
- 11
针对问题的排查思路、解决方案，以及方案选型的核心考量
- 12
该团队的核心业务方向与日常工作内容
- 13
教育大模型场景下，模型常见的Badcase具体类型与成因
- 14
团队现有的算力、训练设备等计算资源情况
- 15
详细讲解旋转位置编码（RoPE）的实现原理、提出背景，同时分析该编码方式的固有缺陷
- 16
结合模型结构图，完整阐述Transformer编码器与解码器的核心区别，明确解码器输入特征、变量含义，梳理编解码的应用场景差异
- 17
讲解BPE分词算法的完整训练与分词流程、核心逻辑
- 18
在GRPO模型训练过程中，是否遇到过策略坍塌、训练崩溃等问题，具体的排查与优化方案
- 19
强化学习项目中奖励函数的整体设计思路；奖励权重结合格式规范、答案准确性双维度设计，是否做过权重消融实验（如各50%权重配比测试）
- 20
对比GRPO、GSPO、DAPO三种前沿强化学习算法的核心改进、优化差异与适配场景
- 21
对比GRPO、GSPO、DAPO三种前沿强化学习算法的核心改进、优化差异与适配场景