三一重机

HR小姐姐很漂亮，人也很专业，在面试前就让我做好面试的准备，告诉我面试的步骤。面试一共两轮：一面之前有个笔试题，然后是算法总监面试，很年轻但是技术很强，问的都很专业，我基本80%是回答出来的。二面是HR：沟通过薪资和公司的一些待遇，告诉我绩效达标正常年终奖是两个月的工资，并且还有交通补贴餐补等，平时加班也不多。总之下周就要入职了，还是满心期待的！

NLP开发工程师暑期实习生 四道编程题，每道20分。前两题忘记是什么了，总之很简单类似于打卡题，第三题是吃金币，考察的应该是DFS，浪费了很长时间最后还只有27%，最后一题是观测流星雨数量，考察的是差分+离散化，最后83%。四道多选题，分数各不一样，考察的是简单的深度学习和机器学习常识。笔试第二天约面。面试上来先自我介绍。然后根据项目问问题。1. 介绍一下CRF，不要说作用，介绍它的原理，和HMM的关系。没说好，开了个坏头。2. 介绍一下项目用到的模型。正常介绍。3. 介绍一下BERT模型的结构，它和Transformer之间的关系和区别。正常回答。4. 详细介绍一下Transformer层，用了什么机制。正常回答，面试官不满意，没有继续追问，开始下一题。5. 介绍一下BERT模型的预训练任务。介绍MLM，追问mask了多少，15%；介绍NSP，没有追问。6. 还了解什么自编码模型，介绍一下和BERT的区别。回答RoBERT，正常回答区别。追问还有哪些，回答不了解。7. 讨论一下BERT、LSTM和CNN的训练收敛速度，并给出原因。回答得一般。6. 介绍一下自编码和自回归。一开始理解成Auto Chain，后面误会解除但是回答得很浅，面试官不满意。7. 介绍一下实习期间的业务。正常介绍，追问事件抽取模型的构建思路，正常回答，没有追问。8. 询问LLM的相关内容。回答做过本地知识库，追问有哪些常用的LLM，想了半天回答ChatGLM有一些。NLP相关内容的回答给面试官一种很不专业的感觉，基础知识不扎实，前沿技术不追踪。于是开始询问开发相关内容：1. Linux下查看端口占用的命令。回答netstat，追问后面的参数，不会。应该是lsof -i。2. 杀死一个进程的命令。回答先PS看PID，然后kill，追问参数，回答-9。3. 查看某一资源利用率的命令，回答nvidia -msi，和面试官说她想听的应该不是这个，但是不知道。应该是ps auxw。1. 多线程和多进程的区别。回答出了三点，没回答全面。1. 最长路径和，any to any。需要在读题后和面试官说明思路，思路被面试官肯定，最后没有实现。心里知道凉了，真的没啥心情反问，象征性地问了一下知识图谱在公司的应用。其实这种面得糟糕的情况，可以直接问”我觉得这次面试表现得不好，请问一下可以给哪些建议，我如果想胜任这个岗位需要补足哪些能力。“一点约面，五点半收到感谢信。

一面 技术同事+技术主管，电话面试，问了些过往项目和技术问题，难度一般。对方人很nice，几乎是抱着交流而不是考核的态度了，我请教了一个我不确定的问题，对方态度很好的讲解了。hr面。该hr效率极低，问题宛如查户口，无聊。

之前是有HR电话联系，聊了一些基本情况，包括对深度学习框架的熟练程度等整体氛围比较轻松，笔试题目难度适中，用的是C++，包括语法和算法的题目面试去的时候先做了笔试，是英语的题目。然后有两个面试官来面试的，一个比较和蔼，一个比较严肃。整个过程还是比较轻松地。

ThunderSoft  

进行了一轮视频面试，要求开摄像头，投简历时，看jd是决策规划类算法岗，面试过程中感觉是图像处理相关职位。面试过程进行了两个环节：女面试官面试：- 自我介绍环节：简要让我做了个自我介绍，问了我关于推荐系统部分的经历，有问到之前的工作中是否涉及到3D渲染，本科有没有学过编程；男面试官：- 提问环节：    - 根据我简历中写了xgboost算法优化工作，问了我都对xgboost哪些超参数做了优化；    - deep_fm原理是什么，如何进一步改进，deep_fm最后一层的sigmoid的作用是什么，如果没有sigmoid会怎么样（考验用回归算法解分类问题存在的问题）；    - 还有哪些其他的embedding方法，提示了图神经网络，问了我对图神经网络有没有相关的了解；   - 在没有数据的情况下，如何做冷启动；   - 再次强调是否做过渲染相关的工作总结下来，感觉xgboost优化部分的工作还有deep_fm算法的设计上回答的有些浅，细节上需要完善。