AI 岗大厂面经精选

背景：985 硕，2 年经验，前司做 RAG+知识库系统，发过一篇长尾 benchmark 相关的 workshop。

投递渠道：内推（前同事在豆包 RL 组）。时间线：1/20 投递 → 1/23 HR 联系 → 1/26 一面 → 2/3 二面 → 2/11 三面 → 2/14 HR 面 → 2/20 口头 offer，共 31 天。

一面 · 60 min · 豆包 post-training 组 Lv 2-1

• 自我介绍 + 项目深挖（25 min）：面试官让我挑一个最熟的项目讲，我讲 RAG。他盯住"为什么你的 chunk size 是 512 不是 256"问了 10 分钟，追到"你做过消融吗、512 在你那份法律文档上的 recall@5 是多少、换成 semantic chunking 会怎样"。这里没准备具体数字就会露馅。
• 八股（15 min）：
  1. "RoPE 和 ALiBi 的区别，为什么现在大家都用 RoPE 的变体"
  2. "DPO 的 loss 写一下，β → 0 和 β → ∞ 两种极端情况下模型行为是什么"
  3. "FlashAttention 为什么比 naive attention 快，但理论 FLOPs 是一样的"（他在白板上让我画 tile 切分）
  4. "给你一个 70B 模型，bf16，batch=8，seq len=32k，KV cache 多大，能放进 8×H100 吗"
• 手撕（15 min）：实现 MultiHeadAttention.forward(q, k, v, mask)，要求写清楚每一步 shape 变化，不能用 F.scaled_dot_product_attention。然后问"如果 head_dim=128，用 TP=8 切 head，通信在哪里发生"。
• 反问感受：面试官全程没笑，问完直接下一题，节奏很紧。最后 5 分钟给我反问，他态度缓和很多，说豆包 post-training 现在最大痛点是"数据质量的量化"。

二面 · 75 min · 豆包 RL 组 Lv 2-2

• 上来直接手撕（20 min）：不给自我介绍时间，先写一道："给定一个句子 token 列表和一个 reward 模型打分函数，用 REINFORCE 写出一个 step 的梯度更新伪代码"。然后追问"为什么需要 baseline、baseline 怎么选、PPO 为什么要 clip"。
• 项目深挖（30 min）：这次不让我挑，他指定问我简历里那段"RM 训练"。问题包括："你的 preference 数据有多少条、annotator 一致率多少、你怎么发现 RM 在 hack"、"你的 RM 分数在 SFT 模型上的分布长什么样、为什么 KL 惩罚是 0.02"。我答不出一致率，他记了一下。
• 八股（15 min）："GRPO 相对 PPO 的改动是什么，DeepSeek 为什么选它"、"RLHF 里 reward hacking 最典型的三种，你怎么检测"。
• 手撕 2（10 min）：leetcode hard 简化版，"最长有效括号"变种，给你带权符号求最大和子串。

三面 · 50 min · 豆包 Tech Lead Lv 3-1

• 系统设计（35 min）："设计一个给豆包用的在线 RLHF 系统，每天处理 100 万条用户反馈，要做 reward model 持续更新 + 策略模型周级别迭代。画架构图。"。他追问："你的反馈延迟是多少、dirty label 你怎么过滤、你怎么防止用户反馈带来的分布漂移把模型带歪"。
• 务虚（15 min）："你为什么想做大模型、你觉得 3 年后大模型方向最值得做的问题是什么、你对豆包目前哪里最不满意"。我答的是"长对话里的人格一致性"，他点头。

HR 面 · 30 min

• 例行：base / 涨幅预期 / 其他 offer / 为什么字节。对 offer 的报价我直接甩了一个友商的数，HR 没还价，只说"结果出来我们谈"。

总结 / 踩坑

• 踩坑：一面被"你的 chunk size=512 的依据"打爆，说明简历上每一个数都要能解释到"我做了什么实验得到的"。
• 建议：豆包 post-training 的面试官会反复要求你"在白板上画图"，别只靠嘴说。KV cache 显存、3D 并行通信量必须能现场算。
• 节奏：从投递到 offer 一个月，快。但三轮技术面总时长 3+ 小时，强度不低。

背景：海外 PhD 第 5 年，做过 instruction tuning 和 safety alignment，一作 ACL 长文两篇。

投递渠道：通义实验室负责人主动发邮件（因为我的 paper）。时间线：11/15 初聊 → 12/2 一面 → 12/9 二面 → 12/16 三面（交叉面）→ 12/23 部门老大聊 → 1/6 HR 面 → 1/10 offer，共 56 天。

一面 · 70 min · 通义 post-training 组 P7

• Paper 讲解（30 min）：让我选一篇自己的一作讲。讲完他问"这个方法在 Qwen 上试过吗、你觉得会 work 还是不 work、为什么"。这是阿里特色：他们想知道你的方法能不能复用到他们自家模型上。
• 八股（25 min）：
  1. "SFT 和 DPO，什么情况下 DPO 会比 SFT 差"（他想要的答案：preference data 噪声大、β 没调好、SFT 分布外的 rejected 样本）
  2. "RoPE 的频率 base 从 10000 改到 1M 是在干什么、为什么能外推"
  3. "Qwen 里有没有什么让你觉得'设计得不好'的地方"（送命题）
  4. "LoRA 的 rank 怎么定、为什么 Q/V 比 MLP 敏感"
• 手撕（15 min）：Python 写一个"加了 KL 惩罚的 loss"（给定 policy logits、ref logits、reward），要求考虑数值稳定性（log-sum-exp）。

二面 · 80 min · 通义实验室 P8

• 项目深挖（40 min）：他挑了我简历里最不起眼的一段——"safety red-teaming 数据 pipeline"——问了 40 分钟。"你的 seed prompt 从哪里来、你怎么去重、你怎么判断一个 red-team 样本是'好'的、你在 Qwen-72B 上能达到多少 ASR、你的 defense 方法在 out-of-distribution attack 上掉多少"。我有数据，答得比较顺。
• 系统设计（30 min）："设计一个能持续收集 Qwen 线上对话、做 preference labeling、训 reward model、更新 DPO 的闭环。画图，考虑成本、隐私、冷启动。"。他特别在意"你怎么决定什么时候该上新模型"，我答"offline win-rate + online shadow traffic + 人工 sanity check"。
• 反问：我问"通义 post-training 现在最大的外部竞争压力来自谁"，他坦诚说"DeepSeek 和 Kimi"，然后聊了 15 分钟 GRPO 和 RLVR 在自家数学模型上的进展。

三面 · 60 min · 交叉面（P9，来自达摩院另一个组）

• 开放问题（40 min）："你觉得 RLHF 到 2026 年还有价值吗"、"如果给你 1000 张 H100 两个月，你会做什么课题"、"为什么你觉得 Qwen 比 GPT-5 差"。没有标准答案，他要看我有没有"独立判断"。我讲了 RLHF → RLVR → 自博弈 的演化路径，他听完点头说"有点意思"。
• 无手撕。交叉面基本不考代码。

部门老大聊 · 30 min

• 问"你如果来，想做什么、为什么不去字节 / Moonshot、对 base 预期"。他没问技术，但问了"你愿不愿意在杭州定居"。

HR 面 · 20 min

• 标准流程。通义 post-training 2026 年的 P7 base 已经到了一个很夸张的数字，股票部分比我预期多 40%，我基本没谈就接了。

总结 / 踩坑

• 送命题：问"你觉得 Qwen 哪里设计得不好"时，不要硬吹也不要硬喷。我答的是"multilingual 下的 tokenizer 压缩率在小语种上不均衡"，给了具体例子（土耳其语 vs 英语的 tokens/word）。
• 建议：通义非常看重 paper 的深度和可复用性，没有 paper 的同学简历关就过不了，但如果你有 paper，他们会给你一个非常友善的面试节奏。

背景：国内 top2 博士在读（四年级），做 MoE 路由相关方向，投稿 NeurIPS 在审。

投递渠道：官网。时间线：12/26 投递 → 1/10 笔试 → 1/17 一面 → 1/24 二面 → 1/28 二面挂，共 33 天。

笔试 · 90 min · 线上自测

• 3 道编程题：一道 hard leetcode（最短路变种）、一道 CUDA 伪代码（fused RMSNorm）、一道 PyTorch 写一个 expert-choice routing 的 forward。全程摄像头开着，不能查文档。这个笔试本身就会挂掉一半人。

一面 · 90 min · 预训练工程师 L4

• 项目深挖（30 min）：问我 MoE 论文里"为什么 top-2 比 top-1 好"、"你的 load balance loss 的系数是怎么调的、调大了会怎样"、"你在多大规模上验证过"。他不在乎我论文讲的故事，他在乎"数"。
• MoE 深度（25 min）：
  1. "expert choice 和 token choice 的 trade-off"（答：expert choice 天然负载均衡，但每个 token 被选中的 experts 数量不固定，推理时麻烦）
  2. "DeepSeek V3 的 fine-grained + shared expert 为什么能 work"
  3. "如果一个 expert 彻底 dead（收不到 token），你怎么救活"
• 手撕（20 min）：写一个 top_k_gating(x, W, k)，要求 gradient 能回传到 W。然后追问"如果 k=2 但某个 token 的第 2 名和第 3 名 logit 差距小于 1e-5，会不会有数值问题"。
• 系统 ops（15 min）：算题。"16 层 MoE，每层 256 experts，每个 expert 是 7B 的 MLP，用 EP=64 TP=8 PP=4，一个 token 一次 forward 的跨节点 all-to-all 通信量是多少"。我在白板上列式子，答得磕磕绊绊。

二面 · 80 min · 训练基础设施 L5（挂在这里）

• 上来就手撕 30 min：写一个 pipeline parallelism 的 1F1B 调度伪代码，画出 bubble。然后给一个具体配置（PP=8, micro_batch=32），算 bubble ratio。我写得慢，他明显不耐烦。
• Debug 题（20 min）：给我看一张 loss 曲线——训练到 5000 step 突然 spike，2 个 step 后恢复。问"你会怎么定位"。我答"先看 grad norm、看 optimizer state、看具体哪个 rank 先爆、回溯那个 batch 的数据"。他追问"如果 grad norm 正常但 loss 就是 spike 呢"，我卡住了。正确答案是"可能是 activation 溢出触发了 NaN 又被 skip 掉"，我面完查了才知道。
• 系统设计（25 min）："设计一个能训 1T 参数模型的 checkpoint 系统，考虑容错、恢复速度、存储成本"。我讲了 async checkpoint + sharded save，但在"怎么保证 step 一致性"上答得不清楚。
• 反问：我问"你们现在 HBM 最紧张的是哪一步"，他答得很快："all-to-all 通信的 overlap"。我又问"那你们为什么不用 expert parallelism 的替代方案"，他停了一下说"这个问题我们现在也在想"。

挂的原因 / 总结

• 面试官反馈："对分布式训练的 low-level 理解不够，系统层的 debug 经验缺失。" 说实话很公平。
• 建议：DeepSeek 的面试是"工程能力 > 论文"。你论文再好，不会手算 bubble、不会 debug loss spike，就会挂。如果目标 DeepSeek，建议找一个真实分布式训练项目亲手做（哪怕只在 8 卡上做），比背完 100 道八股题有用。
• 氛围：面试官非常直接，不寒暄，问完就等你答，答不出就下一题。不是冷漠，是效率导向。

背景：普通 985 硕，3 年经验，上家做搜索+LLM 融合，做过 Agent 产品化。

投递渠道：猎头。时间线：2/20 投递 → 2/25 一面 → 3/4 二面 → 3/11 三面 → 3/18 HR → 3/25 offer，共 33 天。

一面 · 60 min · Kimi Agent 组工程师

• 自我介绍 + 项目（20 min）：面试官对我做过的"企业内部知识库 Agent"非常感兴趣，让我画整体架构。问我"你们的 tool schema 是怎么定义的、有没有用 MCP、你们的 planner 是 ReAct 还是 plan-and-execute"。
• Agent 八股（15 min）：
  1. "ReAct 的最大问题是什么"（答：上下文爆炸、错误累积、反思机制弱）
  2. "如果一个 tool call 返回 10k tokens 的垃圾结果，你怎么处理"
  3. "Agent 的 long-term memory 你见过哪些实现，分别什么场景合适"
  4. "function calling 和 MCP 有什么区别、什么时候值得切到 MCP"
• 手撕（15 min）：一道偏真实场景的题——"给你一个 Agent 的 trace（50 步，其中第 27 步调用失败），写一段 Python 代码自动定位最早的异常点，并判断是 tool bug 还是 planner bug"。开放性题，思路比代码重要。
• 反问：我问 Kimi 的 Agent 现在 bottleneck 在哪，他答"tool robustness 和 cost"，很坦诚。

二面 · 90 min · Kimi Agent 组 Tech Lead

• 系统设计（50 min）："设计一个能自动帮用户完成'从 500 封邮件里找出本周所有和项目 A 相关的未回复邮件，并起草回复'的 Agent。从零开始画。" 这是 Moonshot 的招牌题型：真实、长链路、要考虑失败路径。我画了 45 分钟，他追问：
  • "如果用户中途改主意怎么办"
  • "如果邮件里有附件 100MB PDF，你的 context 怎么放"
  • "如果某个 tool 有 2% 的概率返回错误结果，你怎么检测"
  • "线上每天有 10 万用户用这个功能，你的 LLM 调用成本怎么控制"
• 项目深挖（25 min）：问我上家"企业 Agent 上线后踩了哪些坑"，我讲了三个：tool schema 漂移、长 session 的 memory 压缩、用户越权。每一个他都追问具体数字和修复方案。
• 手撕（15 min）：简单的一题，实现一个 token-aware 的 sliding window 对话截断。

三面 · 50 min · 业务负责人

• 主要聊方向：Kimi Agent 2026 的 roadmap、我对"Agent 的产品化"有什么看法、如果给我一个 5 人小组我想先做什么。无技术考题。
• 他问了一个有意思的问题："你觉得做 Agent 最难的是模型能力、工具质量、还是产品定义。" 我答"工具质量 + 产品定义的耦合——好的产品定义会让模型能力的不足被隐藏"，他说"这是我们内部的共识"。

HR 面 + 总结

• HR 面例行。Moonshot 的薪资不如字节和阿里，但股票的 upside 预期更高，看个人赌性。
• 踩坑：二面的长系统设计题，很多人死在"你画的图太干净，没考虑失败路径"。面试官会专门找你图里最薄弱的一环追问。
• 建议：Moonshot 面试最重视"你有没有亲手跑过 Agent 上线"。纯做 prompt engineering 没上线经验的会很吃亏。

背景：2+3 年经验，前司快手做过视频理解+召回，熟悉大规模工业推荐系统。

投递渠道：官网 + 内推组合。时间线：12/15 投递 → 12/22 一面 → 12/29 二面 → 1/5 三面 → 1/12 HR → 1/20 offer，共 36 天。

一面 · 70 min · 搜推多模态组

• 业务热身（10 min）："你为什么想来小红书"、"你觉得小红书和快手、抖音在搜推上最大的差异是什么"。小红书非常看重"你懂不懂我们的业务"。
• 项目深挖（30 min）：我讲了快手的多模态召回项目。他问："你的视频 embedding 维度多少、你的 ANN 索引用什么、线上 QPS 多少、P99 延迟多少、你的召回 recall@100 怎么评估、离线和在线 gap 有多大"。这套组合拳对工业岗很常规，但"离线和在线 gap 怎么归因"没两年实战答不出。
• 多模态八股（20 min）：
  1. "CLIP 和 SigLIP 的区别，SigLIP 为什么能用更小 batch"
  2. "你在冷启动 item 上怎么做多模态召回"
  3. "如果图文不一致（图和 caption 讲的不是一回事），你的 embedding 会怎样、怎么缓解"
• 手撕（10 min）：给一个二维矩阵的"小红书笔记-用户"点击矩阵，求共现矩阵的 top-k 相似 item，要写 memory-efficient 的版本。

二面 · 75 min · 搜推团队 Tech Lead

• 系统设计（40 min）："设计小红书的'视频笔记搜索'的多模态召回 + 排序链路。要求支持每天新增 1000 万笔记，QPS 峰值 5 万。" 他关注的点：在线 embedding 怎么实时生成、索引怎么更新、长尾 query 怎么召回、如何 AB。我画了 30 分钟。
• 项目逼问（20 min）："你在快手那个项目，上线之后业务指标涨了多少，涨的来源是什么，有没有 segment 上不涨甚至掉的。" 这题送命。他想听你承认"某些 segment 掉了"并说清为什么。
• 八股（15 min）："LLM 怎么融入搜推链路、你见过的三种方式分别有什么问题"（我答 query understanding、生成式召回、rerank；每种他都追问成本和收益）。

三面 · 50 min · 技术负责人

• 主要是方向判断："2026 年搜推还值不值得做、生成式召回会不会吃掉传统召回、多模态在小红书场景下你觉得哪里会先落地"。
• 他不考八股，但会用"你这个想法在我们的数据规模下为什么不 work"来压你。要有准备答"我的想法的边界在哪里"。

总结 / 踩坑

• 踩坑 1：上来答不上"小红书业务特点"就很减分。面前一天至少花 1 小时看小红书的产品形态、技术博客、财报披露。
• 踩坑 2：一面问"离线-在线 gap 如何归因"，答不出的直接 pass。这道题答案一定要准备：数据时效性差异、feature skew、selection bias、exploration 不足、metric 定义不一致。
• 建议：小红书搜推岗的"业务理解"占比 20%+，这是和纯研究岗最大的差异。

背景：美国 top-10 学校 PhD，论文方向 tool use + agents，之前在 FAANG 实习过两次。

投递渠道：referral（朋友在 Applied 组）。时间线：9/20 referral → 9/28 recruiter screen → 10/10 技术 phone screen → 10/24 takehome → 11/12 onsite（4 rounds）→ 11/20 反馈挂，共 61 天。

Recruiter screen · 30 min

• 标准。问动机、visa、timeline、其他 offer。不考技术。

Phone screen · 60 min · 一位 Applied 组 engineer

• Coding（45 min）：两道题。第一道是 leetcode medium 变种——给定 streaming tokens，实现一个能动态维护 top-k frequency 的数据结构。第二道是"实现一个简化的 beam search，给定 logits 函数和 beam size"。
• Behavioral（15 min）：很 OpenAI：问我"最近一次你在一个项目上改变主意的经历"、"一个你做的决定结果证明是错的"。

Takehome · 7 天窗口 · ~8 小时工作量

• 给一个 notebook 模板，让你基于开源 LLM 实现一个 tool-use agent，在他们提供的 benchmark 上评测，写一份 4 页技术报告。评分点：代码质量、实验设计、失败分析、写作。
• 我做了一整个周末，跑了三组消融，写报告时花了很多时间在 failure mode 分析上。反馈说"analysis good, code structure could be cleaner"。

Onsite · 4 轮 · 每轮 60 min · 全 virtual

1. Coding round：在他们内部 playground 里写代码，实时运行。一道偏 ML 的系统题——实现一个 batched inference 的 request scheduler，要考虑不同 seq length 的 padding 开销。面试官打字很快，我跟不上节奏。
2. ML depth round：白板式。问"speculative decoding 的 math 推一遍"、"如果 draft model acceptance rate 是 0.6，speedup 上界是多少"、"为什么 self-speculative 有时比用小 draft model 还好"。这轮我答得最好。
3. System design round：设计 ChatGPT 的"记忆"功能——用户可以让 ChatGPT "记住我是纯素食者"，跨会话生效。要求画架构、讲隐私、讲 evaluation。我在"怎么评估记忆质量"上卡住了，没想到一个好的 metric。
4. Behavioral / values round：问了一堆偏价值观的问题——"一个你不同意公司方向的经历"、"如果你看到同事做了不安全的模型发布你会怎么做"、"你对 AGI timeline 的看法"。OpenAI 的文化面试非常认真，不是走过场。

挂的原因 / 总结

• Recruiter 的反馈："strong ML depth, but system design and coding pace need improvement"。翻译过来就是 coding round 和 system design round 分数低。
• 建议：OpenAI Applied 的面试对 coding 速度 要求很高——不是难度高，是节奏快。很多题目看起来是 medium，但 60 分钟要做完两道并讨论 trade-off。练 leetcode 的速度，比练难度有用。
• 关于 behavioral：不要把它当走过场。OpenAI 确实会因为 values 答得差挂人。

背景：美国 PhD 毕业 2 年，前司 Google Research 做 alignment，一作 ICLR 一篇。

投递渠道：Anthropic 官网（没 refer，但 recruiter 看到 paper 主动联系）。时间线：12/10 recruiter 首聊 → 12/20 takehome → 1/10 virtual onsite（5 轮）→ 1/25 team match → 2/5 offer，共 57 天。

Takehome · 10 天窗口 · ~12 小时工作量

• 非常 Anthropic 式：给一个已有的小 transformer 代码库，让你实现一个"受控生成"的机制（类似 constitutional AI 的极简版），在 toy dataset 上跑，写报告。
• 评分点不只是结果，还包括"你在 design doc 里做了哪些 trade-off 说明"、"你的 failure mode 写得够不够诚实"。我报告里专门有一节 "What I'd do differently with more time"，后来面试官说这节是加分项。

Onsite · 5 轮（一天内 3 轮 + 另一天 2 轮）· 全 virtual

1. Coding round · 60 min：Pair programming 风格。面试官不只看你能不能写出来，而是和你讨论设计。题目是"implement a KV-cache for a decoder-only transformer, then extend it to support paged attention"。他一边写一边和我讨论 memory layout，氛围非常协作。
2. ML research depth · 60 min：深挖我那篇 ICLR。问到了"如果把你的方法用在 Claude 的训练里，会遇到什么 scale 相关的问题"、"你的 baseline 有没有可能其实没 converge"、"你的 human eval 里 annotator agreement 是多少、你信这个数吗"。非常严谨。
3. System design · 60 min：题目是"设计一个 red-teaming 系统：每天产生 10 万个可能触发 Claude 不安全行为的 prompt，自动判断哪些成功了、把成功的样本 feed 回 RLAIF pipeline"。这题和他们的业务强相关。评分点：你有没有想到 attack diversity、distribution shift、false positive rate。
4. Research taste · 60 min：一个非常 Anthropic 的环节。面试官和我一起读一篇 paper（他当场发给我）——一篇关于 sleeper agents 的论文——给我 20 分钟读，然后问"这个实验最值得复现的是哪部分、你觉得他们的结论有多可信、如果你来做你会改什么"。这是我人生中最像博士生答辩的一次面试。
5. Behavioral / alignment-values · 60 min：比 OpenAI 还严肃。问题包括："你对 AI safety 的 threat model 是什么"、"你在过去工作里有没有主动降低过模型能力"、"如果 Anthropic 让你做的项目你觉得不安全，你会怎么办"、"你对 RSP（Responsible Scaling Policy）有什么看法"。他们会 follow up 你的每一个答案，没提前思考过的会答得很虚。

Team match · 45 min × 2 个组

• 过了 onsite 之后，你会和 2–3 个可能的 host team 各聊一次，双向选择。我聊了 alignment team 和 interpretability team。

总结 / 亮点

• 节奏：Anthropic 的 virtual onsite 不要求你一天干完 5 轮（这点比 OpenAI 友好），但 takehome + research taste round 总耗时可能 20+ 小时。
• 最大不同：Anthropic 非常非常看重"research taste"和"safety seriousness"。你在 behavioral round 不能只说"我支持 AI safety"，要能展开讲你对 threat model、evaluation、policy 的具体判断。
• 建议：如果你不熟 alignment literature，提前精读 3–5 篇 Anthropic 自己的 paper（constitutional AI、sleeper agents、RSP、interpretability 系列）。面试官会引用它们。