作者分享从国企跳槽至互联网大厂的经历重点总结了大模型岗位的面试经验包括SFT、RAG、Agent等技术的考察点以及大模型基础和代码题的常见问题。文章适合对大模型感兴趣的程序员尤其是小白帮助读者了解大模型领域的知识要点为求职做好准备。1、职业规划在国企工作即将六年的我终于下定决心走出来。每当 HR 面问到我跳槽的原因我总是机械地回答两个点一是平台、技术、项目深度没有发展空间二是薪资。但当我扪心自问时离开国企我会失去什么我会失去工作的相对稳定性也会失去这悠闲一些的工作节奏近些年的一些降薪、工作时长改变和业绩指标改革也让我觉得国企并不一定是铁饭碗变革时刻在进行身如孤船在国企这片大海只能随波逐流不受个人意志所改变。性格使然太过闲散的工作对我是种折磨在无聊中寻找乐趣简直太难受了。国企也如温水煮青蛙不进行自我驱动的学习和改变心气都将被消磨殆尽。这些年也尝试过一些副业的想法只收获了一些编程能力的锻炼随着市场的不景气收入也逐渐归零。投身股市自认没有这个本领和抗风险能力。所以我还是选择出来看看。既希望进去大模型的风口一搏也有中年危机的步步紧逼。但人生嘛重在体验。2、面经总结一堆废话感想略过直接上干货。相对于去年看机会的浅尝辄止拿了几个中厂 offer今年目标更新为互联网大厂。1、简历关今年大模型的行情还不错凭借本硕学历国企背景除了预训练的岗位约不到面试外各个大中厂过简历毫无问题。简历内容说实话没什么发挥空间保证写上去的所有内容都如数家珍即可我也没有针对不同厂修改过不同简历。但是可以随着面试节奏和问题热点补充你的简历内容比如一开始 Agent 我做的比较浅就没写但是问的很多热门后续我把这块也进行了补充这样 Agent 的一些岗位也都可以有面试。2、面试问题基本以项目细节拷打穿插大模型八股代码考察为主我总结了不同项目遇到的一些常见考察点和自己浅薄的思考供大家参考。1SFT各种微调技术原理高频基本以 LoRA 考察为主包括作用原理、初始化方法、参数、其他变种等。原理可以从增量权重矩阵的本征维度出发解析解 SVD 的不可行性从而引出秩 r 作为超参模型学习的方法初始化方法是 AB 之一全 0 初始化并可以介绍 LoRA-GA 和 LoRA-Pro 的方法一般面试官对初始化的变种了解不深参数有 alpha 和 r其他变种问的频率较低。如何评估微调效果通用能力生成能力人工。通用能力是否下降通用数据集测评解决方法训练集加入通用数据集更换不同 size 基模全参微调。幻觉从欠拟合和过拟合的角度分析有尝试过自动化识别幻觉的方法吗RAGLLM 评估。2RAGRetrival检索源数据的收集、清洗可说的内容不多。索引优化分块策略固定、overlap、递归分割、small2big 等方法从句子和语义截断的思路分析优缺点chunk的原数据附加源文档提取人工构造反向 HyDE上下文编码查询优化HyDE 等方法向量数据库选型如何更新数据问的很少。EmbeddingBM25Embedding 混合检索BM25 的原理为什么有效果统计词频 TF-IDF 角度使用的 Embedding model 原理M3EXiaoBuBGE 等三类任务的 InfoNCECoSENT 混合损失训练其他对比损失介绍MRL混合动态维度问的很少Generation如下Reranker ModelmMARCO/MiniCPM/Jina 等原理为什么需要重排从原始语义空间的信息完整性出发和 Embedding 区别效果有提升吗LLM SFT。评估指标如下Embedding modelRecallReRanker modellMRR、NDCGEnd-to-EndAccuracyLLM 基于 query、ground truth 和生成 answer 评估3Agent如下ReAct prompt 的构造方法prompt 构造 CoT我做的比较早并写在简历上了所以会问。Function call 怎么训练的Function call 数据集 SFT强化学习MCP比较新可以体现对前沿技术的追踪和理解Agent 一些成熟框架我做的比较浅没怎么用过4Deepseek Qwen3 RL这块单独拿出来说问的太多了考察对新技术的追踪和掌握。R1/Qwen3 预训练和后训练方法参考相关技术报告三/四阶段训练由于我不做 pretraining 方向所以基本能回答上各阶段方法和目标即可。MLA参考苏神《缓存与效果的极限拉扯从 MHA、MQA、GQA 到 MLA》。MoE参考苏神《MoE 环游记1、从几何意义出发》。PPO/DPO/GRPO原理公式GRPO 的改进点和如何实现大部分面试官的关注点到这结束个别的会问到 critic model 损失和训练方法如何理解未来收益。5大模型基础Transformer 及其进化Encoder-Decoder 架构介绍Positional Encoding参考苏神《让研究人员绞尽脑汁的 Transformer 位置编码》RoPE 问的不少TokenizerWordPiece、BPE问的不多Attention高频还是常规问题公式、除以 √dk 原因方差一致梯度消失MHA动机不同语义子空间和不同位置提取信息MQA、GQA、MLA 变种参考上文NormalizationLayerNorm 和 BatchNorm 区别维度意义分布假设具体实现为什么需要 gamma 和 beta 参数FFN为什么需要Attention 捕捉序列内部FFN 增强单个位置的特征表达Activation Function介绍几种ReLU、GELU、GLU、Swish、SwiGLU 等掌握几种即可Optimizer基本没人问BERT预训练任务MLMNSP变种基本没人问了Decoder-only泛化性注意力退化KV cache轨迹依赖。多轮对话训练损失如何计算只计算最后一轮回答。梯度消失链式法则和激活函数特性更换激活函数、归一化、残差、权重初始化。怎么处理长文本RoPEbias长上下文预训练。二分类、多分类的损失函数和评估指标交叉熵查准、召回、F1。计网基础点击 url 到网页渲染过程发生了什么get post 区别和其他 HTTP 方法只有抖音二面问到了一脸懵给我搞成 web 开发了…6代码题统计看来动态规划考察最多绝大多数集中在 Leetcode 中等难度美团编辑距离、层次遍历、删除倒数第 n 个节点、平方根快手最长递增子序列、旋转数组最小值有无重复滴滴最少平方数、最长无重复子串拼多多最长特殊子序列携程最长无重复子串阿里云分词最大概率乘积、层次遍历变种抖音跳跃一次的最大连续子数组和作业帮最长 fib 子序列腾讯中序后序重建二叉树百度旋转数组查找两个栈实现队列最长公共子数组蚂蚁ip 寻址3、业务方向如下安全合规智能客服/助手传统搜推最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
大模型风口来袭！小白程序员必看面经总结，收藏这份进大厂秘籍！
作者分享从国企跳槽至互联网大厂的经历重点总结了大模型岗位的面试经验包括SFT、RAG、Agent等技术的考察点以及大模型基础和代码题的常见问题。文章适合对大模型感兴趣的程序员尤其是小白帮助读者了解大模型领域的知识要点为求职做好准备。1、职业规划在国企工作即将六年的我终于下定决心走出来。每当 HR 面问到我跳槽的原因我总是机械地回答两个点一是平台、技术、项目深度没有发展空间二是薪资。但当我扪心自问时离开国企我会失去什么我会失去工作的相对稳定性也会失去这悠闲一些的工作节奏近些年的一些降薪、工作时长改变和业绩指标改革也让我觉得国企并不一定是铁饭碗变革时刻在进行身如孤船在国企这片大海只能随波逐流不受个人意志所改变。性格使然太过闲散的工作对我是种折磨在无聊中寻找乐趣简直太难受了。国企也如温水煮青蛙不进行自我驱动的学习和改变心气都将被消磨殆尽。这些年也尝试过一些副业的想法只收获了一些编程能力的锻炼随着市场的不景气收入也逐渐归零。投身股市自认没有这个本领和抗风险能力。所以我还是选择出来看看。既希望进去大模型的风口一搏也有中年危机的步步紧逼。但人生嘛重在体验。2、面经总结一堆废话感想略过直接上干货。相对于去年看机会的浅尝辄止拿了几个中厂 offer今年目标更新为互联网大厂。1、简历关今年大模型的行情还不错凭借本硕学历国企背景除了预训练的岗位约不到面试外各个大中厂过简历毫无问题。简历内容说实话没什么发挥空间保证写上去的所有内容都如数家珍即可我也没有针对不同厂修改过不同简历。但是可以随着面试节奏和问题热点补充你的简历内容比如一开始 Agent 我做的比较浅就没写但是问的很多热门后续我把这块也进行了补充这样 Agent 的一些岗位也都可以有面试。2、面试问题基本以项目细节拷打穿插大模型八股代码考察为主我总结了不同项目遇到的一些常见考察点和自己浅薄的思考供大家参考。1SFT各种微调技术原理高频基本以 LoRA 考察为主包括作用原理、初始化方法、参数、其他变种等。原理可以从增量权重矩阵的本征维度出发解析解 SVD 的不可行性从而引出秩 r 作为超参模型学习的方法初始化方法是 AB 之一全 0 初始化并可以介绍 LoRA-GA 和 LoRA-Pro 的方法一般面试官对初始化的变种了解不深参数有 alpha 和 r其他变种问的频率较低。如何评估微调效果通用能力生成能力人工。通用能力是否下降通用数据集测评解决方法训练集加入通用数据集更换不同 size 基模全参微调。幻觉从欠拟合和过拟合的角度分析有尝试过自动化识别幻觉的方法吗RAGLLM 评估。2RAGRetrival检索源数据的收集、清洗可说的内容不多。索引优化分块策略固定、overlap、递归分割、small2big 等方法从句子和语义截断的思路分析优缺点chunk的原数据附加源文档提取人工构造反向 HyDE上下文编码查询优化HyDE 等方法向量数据库选型如何更新数据问的很少。EmbeddingBM25Embedding 混合检索BM25 的原理为什么有效果统计词频 TF-IDF 角度使用的 Embedding model 原理M3EXiaoBuBGE 等三类任务的 InfoNCECoSENT 混合损失训练其他对比损失介绍MRL混合动态维度问的很少Generation如下Reranker ModelmMARCO/MiniCPM/Jina 等原理为什么需要重排从原始语义空间的信息完整性出发和 Embedding 区别效果有提升吗LLM SFT。评估指标如下Embedding modelRecallReRanker modellMRR、NDCGEnd-to-EndAccuracyLLM 基于 query、ground truth 和生成 answer 评估3Agent如下ReAct prompt 的构造方法prompt 构造 CoT我做的比较早并写在简历上了所以会问。Function call 怎么训练的Function call 数据集 SFT强化学习MCP比较新可以体现对前沿技术的追踪和理解Agent 一些成熟框架我做的比较浅没怎么用过4Deepseek Qwen3 RL这块单独拿出来说问的太多了考察对新技术的追踪和掌握。R1/Qwen3 预训练和后训练方法参考相关技术报告三/四阶段训练由于我不做 pretraining 方向所以基本能回答上各阶段方法和目标即可。MLA参考苏神《缓存与效果的极限拉扯从 MHA、MQA、GQA 到 MLA》。MoE参考苏神《MoE 环游记1、从几何意义出发》。PPO/DPO/GRPO原理公式GRPO 的改进点和如何实现大部分面试官的关注点到这结束个别的会问到 critic model 损失和训练方法如何理解未来收益。5大模型基础Transformer 及其进化Encoder-Decoder 架构介绍Positional Encoding参考苏神《让研究人员绞尽脑汁的 Transformer 位置编码》RoPE 问的不少TokenizerWordPiece、BPE问的不多Attention高频还是常规问题公式、除以 √dk 原因方差一致梯度消失MHA动机不同语义子空间和不同位置提取信息MQA、GQA、MLA 变种参考上文NormalizationLayerNorm 和 BatchNorm 区别维度意义分布假设具体实现为什么需要 gamma 和 beta 参数FFN为什么需要Attention 捕捉序列内部FFN 增强单个位置的特征表达Activation Function介绍几种ReLU、GELU、GLU、Swish、SwiGLU 等掌握几种即可Optimizer基本没人问BERT预训练任务MLMNSP变种基本没人问了Decoder-only泛化性注意力退化KV cache轨迹依赖。多轮对话训练损失如何计算只计算最后一轮回答。梯度消失链式法则和激活函数特性更换激活函数、归一化、残差、权重初始化。怎么处理长文本RoPEbias长上下文预训练。二分类、多分类的损失函数和评估指标交叉熵查准、召回、F1。计网基础点击 url 到网页渲染过程发生了什么get post 区别和其他 HTTP 方法只有抖音二面问到了一脸懵给我搞成 web 开发了…6代码题统计看来动态规划考察最多绝大多数集中在 Leetcode 中等难度美团编辑距离、层次遍历、删除倒数第 n 个节点、平方根快手最长递增子序列、旋转数组最小值有无重复滴滴最少平方数、最长无重复子串拼多多最长特殊子序列携程最长无重复子串阿里云分词最大概率乘积、层次遍历变种抖音跳跃一次的最大连续子数组和作业帮最长 fib 子序列腾讯中序后序重建二叉树百度旋转数组查找两个栈实现队列最长公共子数组蚂蚁ip 寻址3、业务方向如下安全合规智能客服/助手传统搜推最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
