文章
2025—2026 国内大模型算法岗招聘、面经与笔试汇总
更新至 2026-09-08:美团/vivo 招聘流程、京东与字节公开样本、冲突试卷及三篇 RL 阅读案例。
专题 大模型算法岗求职笔记 第 9 篇 / 共 13 篇
本文是个人求职工作区文档的发布版,更新于 2026-09-08(北京时间凌晨快照)。源文件托管在 GitHub 仓库 llm-algo-job-notes;历史章节保留各自证据日期,岗位状态见最新窗口日志。
检索截止:2026-09-08 北京时间凌晨(§15 为 8.30–9.08 增量;§14/§13 保留历史证据日期;今天尚未发生的考试不在范围内)
范围:国内头部互联网/科技公司、代表性大模型公司、研究机构、车企与中型公司;覆盖公开可检索的实习、春招、秋招/提前批、补录、面经和笔试。
边界:这是一份“代表性公开证据集”,不是企业内部题库,也不可能穷尽小程序、已删除帖子、私域群和未公开团队直招。
0. 先看结论
- 必须分开“届别”和“自然年”:2026 届的暑期实习、提前批和秋招主周期主要发生在 2025 年;截至 2026-08-29,校招主力是 2027 届正式批,2026 届多为补录、海外项目或残留页面。
- 岗位已经分成四条主链:基础模型/预训练、后训练与 RL、Agent/RAG/搜索应用、AI Infra/模型优化;另有多模态、评测安全和具身智能横向贯穿。筛 JD 时要先判断交付物,而不是只看“大模型”三个字。
- 项目深挖是最稳定的考查项:数据、baseline、训练资源、指标、bad case、上线成本、失败实验和个人贡献,比通用八股更能区分候选人。
- 2025—2026 的技术增量集中在 GRPO/DAPO/GSPO、异步 rollout、Agentic RL、RAG 责任归因、LLM-as-a-Judge、多模态对齐、KV Cache/显存和数据工程;但传统 ML、SQL、算法手撕仍然没有退出。
- 公司流程不是固定模板:公开个人样本常见“可能的笔试/机试 → 2–3 轮技术面 → 主管/HR”,但 BU、岗位、候选人和批次差异很大。只有公司官方写明的流程才能当规则。
- 牛客是本轮最可复核的个人面经来源;知乎可补充索引和复盘,但培训号/合集很多;CSDN、博客园常见搬运或由 JD 扩写的模拟题;小红书内容平台和公众号原文对公开搜索引擎不友好,无法核验时不提取事实。
1. 年份与批次口径
1.1 怎样理解“2025 年、2026 年招聘”
| 自然时间 | 主要对象 | 常见批次 | 资料归档方式 |
|---|---|---|---|
| 2024 下半年 | 2025 届 | 提前批、秋招、补录 | 只作为 2025 届历史流程画像 |
| 2025 2–5 月 | 2025 届全职、2026 届实习 | 春招、补录、暑期实习 | 同时标记“自然年 2025”和“候选人届别” |
| 2025 6–12 月 | 2026 届 | 提前批、秋招、补录 | 这是 2026 届最主要的招聘窗口 |
| 2026 1–5 月 | 2026 届全职、2027 届实习 | 春招、补录、暑期实习 | 不把 2027 届实习误写成 2026 届 |
| 2026 6–12 月 | 2027 届 | 提前批、秋招、正式批 | 当前重点;2026 届旧页可能仍被搜索到 |
每条动态至少记录五个字段:cohort(届别)、event_date、stage、last_checked、status。只有页面发布日期而没有实际面试日时,写“页面日期”,不能擅自推断。
1.2 覆盖口径
- 核心大厂:字节跳动、阿里/蚂蚁、腾讯、百度、华为、美团、快手、京东、小红书、拼多多。
- 大型补充:小米、网易/有道、哔哩哔哩、滴滴、OPPO、vivo、荣耀、携程、米哈游。
- 大模型公司与研究机构:智谱、MiniMax、DeepSeek、月之暗面/Kimi、阶跃星辰、百川、面壁、商汤、科大讯飞、上海 AI Lab、北京智源。
- 相邻高价值样本:理想、蔚来、小鹏等车企,以及微软亚洲研究院等在华研究团队。
“未找到强证据”表示公开资料不足,不表示公司没有招聘或不考该主题。
2. 2025 自然年:可确认的招聘事件
下面只列能稳定追溯的代表性事件。历史官网页面常被下架,因此部分使用高校就业网、国家就业平台或招聘平台中的企业/HR 职位页;它们只能证明当时公开过,不能证明现在仍开放。
| 公司/机构 | 批次与对象 | 大模型相关方向 | 证据与边界 |
|---|---|---|---|
| 淘天集团 | 2026 届春季/暑期实习,2025-03-03 启动 | AIGC、多模态、CV、NLP、三维/视频 | 高校托管企业简章 PDF,A-Relay |
| 美团 | 2025 届秋招在 2024-07 启动;2025 年继续有 2026 届实习/秋招 | 大模型、Agent、本地生活、搜广推 | 美团 2025 届官方新闻可核验历史规模;不同年份不能混用,A-Official |
| 小红书 | 2025 校招 | 通用基础大模型、多模态、Alignment、模型轻量化 | 2025 通用大模型算法 JD,A-Official;页面可能为历史残留 |
| 百度 | 2025 年公开职位 | 多模态预训练/后训练、跨模态对齐、RL、Agent | 多模态校招岗位,A-Official |
| 华为 | 2025 届岗位 | 盘古/行业模型、昇腾训推、RLHF、MoE、多模态 | 招聘平台历史职位,A-Relay,不是官网归档 |
| 字节跳动 | 2025 春招/2026 届实习与秋招 | 基础模型、内容/电商治理、SFT、CoT、RL、RAG/Agent | 电商治理岗位页,A-Relay |
| 阿里 | 2025 补招/2026 届实习与秋招 | Qwen、多模态搜索、post-training、电商 Agent | 多模态搜索职位,A-Relay |
| 小米 | 2025 届春招 | 手机端大模型、多模态助手、搜索/规划/推荐 | 手机大模型职位,A-Relay |
| 网易/有道 | 2025 春招 | 教育大模型、低成本高质量数据、语音多模态、游戏 AIGC/NPC | 有道春招简章,A-Relay |
| 哔哩哔哩 | 2025 春招 | 视频理解、多模态、搜广推;具体大模型岗历史页有限 | 高校转发春招,A-Relay |
| 上海人工智能实验室 | 2025 届全职、2026 届转正实习 | 基础模型、多模态、具身、安全可信、AI4S、基础平台 | 实验室官方春招,A-Official |
| 北京智源 | 2025 届“智星”计划 | 大模型、开源系统、行业模型、AI for Science | 高校转发简章,A-Relay |
| 微软研究院 | 2025 LLM Research/Engineering 实习 | 多模态、云系统、Text2SQL、代码智能 | Microsoft Research 官方岗位,A-Official |
| 腾讯 | 2025 全模态生成式推荐竞赛,可产生校招机会 | 全模态生成式推荐 | 腾讯官方新闻,属于竞赛入口,不是常规网申 |
| 智谱 | 2025 届春招/日常岗位 | 大模型、多模态生成、RLHF、Reward/Critique、蒸馏量化 | 25 届多模态生成算法职位,A-Relay |
| 阶跃星辰 | 2025 团队滚动招聘 | 视觉生成后训练、Reward Model、PPO/GRPO、训练框架 | 团队招聘帖,身份未由官网交叉验证,B-Weak |
2.1 2025 年应怎样使用
- 用历史 JD 识别团队长期能力结构,不再点击旧链接盲投。
- 2026 届候选人应把 2025 年 3–5 月实习、7–10 月秋招面经放在同一届别下,但保留自然时间。
- 2025 年年底发布的“26 届面经”仍是 2026 届秋招,不是“2026 年面经”。
3. 2026 自然年:当前招聘版图
3.1 当前主力已经转为 2027 届
下表是 2026-07-30 建立的官方入口基线;8 月启动与当前状态以 §12–§14 和窗口日志为准,不能拿本表旧状态覆盖新快照。
| 公司/项目 | 当前页能确认什么 | 状态判断 | 官方入口 |
|---|---|---|---|
| 字节 Seed | 2027 届应届生为 2026-09 至 2027-08 毕业;实习面向 2027-09 及以后毕业;方向覆盖基础模型、系统、视觉、语音、AI 搜索、个性化、具身 | 当前有效;官网还明确一般为 3–5 轮技术面 + 1 轮 HR,具体以 HR 为准 | Seed 大模型人才校招、2026-04-01 启动公告 |
| 百度 | 校招面向 2027 届;2027 暑期实习已结束,日常实习全年开放且不限毕业时间;大模型岗位覆盖预训练、后训练、数据、Agent、多模态 | 校招/日常实习可查;具体岗位逐条核验 | 校园职位、实习职位 |
| 美团 LongCat | 基础模型、Infra、Agentic 模型训练、多模态/具身、模型评测;页面有校招/实习 Q&A | 当前专项页有效;未从静态正文确认统一截止日 | LongCat 人才招聘 |
| MiniMax | 2027 校招、2028 转正实习、全年日常实习、Top Talent 全年开放 | 当前有效 | MiniMax Careers |
| 智谱 | 官网有校招算法、校招研发;算法强调训练框架与策略,研发包括 RL 训练框架 | 当前有入口;具体职位和届别以落地页为准 | 智谱加入我们 |
| DeepSeek | 官方动态页覆盖预训练、后训练、多模态、数据、AI 搜索、Agent Infra、训练/推理框架等 | 持续招聘;不能自动等同“2026 届专项校招” | DeepSeek 招聘 |
| 月之暗面/Kimi | 官方 Careers 为动态岗位页 | 持续核验;当前公开 Web 难以确认统一校招批次 | Kimi Careers |
| 阿里 | 官网当前校招对象已切换到新届别,动态前端可能不保留历史批次 | 当前岗位逐条核验 | 阿里校园招聘 |
| 华为 | 官网当前实习/校招按学历与地区给出不同毕业区间 | 当前岗位逐条核验,不抄第三方统一口径 | 华为校园招聘 |
| 腾讯 | 官网仍显示 2026 校招、春招、海外校招和全年在校实习入口,部分页面可能为项目残留 | 对具体项目和岗位做登录后核验 | 腾讯校园招聘 |
3.2 2026 届补录、春招与残留页
| 公司 | 公开信号 | 正确解读 |
|---|---|---|
| 小红书 | 官网仍可检索 2026校招 大模型应用、训练/压缩/推理 Infra,及 2026春季校园招聘 增长方向职位 | JD 内容可信;“投递简历”按钮不等于批次仍有效,必须实际登录验证 |
| 小米 | 官网仍展示 2026 届春招口径 | 动态页面存在口径异常的可能,不复制毕业区间,投前核验 |
| 科大讯飞 | 2026-05 仍有 2026 届春招补录公告,飞星计划面向算法人才 | 高校转发补录公告,历史事件,不代表 7 月仍开放 |
| 哔哩哔哩 | 2026 春招同时包含 2027 暑期实习,技术方向含搜广推、大模型、游戏算法 | 高校转发公告,注意两个届别并存 |
| 京东 | 2026-04 的官网动态职位可见大模型、多模态、全模态 RL Infra | 页面未充分证明是 2026 届校招,按具体职位而非统一批次记录 |
| 网易有道 | 高校托管简章可见大模型、多模态 LLM、Agent、ASR | PDF 标题、正文和页面元数据可能冲突,需下载首页人工核验 |
3.3 2026 年岗位方向的共同变化
- 基础模型:稀疏/MoE、长上下文、数据治理、训练稳定、模型/数据/系统协同。
- 后训练:SFT、偏好数据、DPO、PPO/GRPO、RLVR、异步 rollout、Agentic RL、Reward/Verifier。
- 应用算法:RAG、Search Agent、Coding Agent、Memory、工具调用、DeepResearch、生成式搜索/推荐。
- 多模态:图文/音视频统一建模、VLM/VLA、视频生成、跨模态检索、GUI/具身 Agent。
- 评测与安全:动态 benchmark、LLM-as-a-Judge、内容安全、Prompt Injection/Jailbreak、多模态 AIGC 识别。
- 模型优化/Infra:分布式训推、KV Cache、量化/蒸馏/剪枝、低精度、通信与算子;若不投纯 Infra,只掌握对算法实验有效性的边界。
4. 核心公司:招聘方向、面试和笔试信号
表中的“面试信号”来自个人公开复盘,只能用于定向准备;“未见统一笔试证据”不表示没有笔试。
| 公司 | 岗位方向 | 公开面试信号 | 编程/笔试信号 | 准备重点 |
|---|---|---|---|---|
| 字节跳动/Seed | 基础模型、后训练、多模态、AI Search、Agent、数据、安全 | 项目/论文;数据合成清洗;RoPE/MHA;DPO/GRPO;RAG;DeepSpeed;Agent 终止与评测 | MHA、岛屿/DFS、字符串、DP;不同 BU 是否有统一笔试不确定 | 准备一份完整“数据→训练→后训练→评测”链和两次模型手写 |
| 阿里/通义/蚂蚁 | Qwen、模型对齐、电商多模态搜索、Agent、金融/生产系统 | PPO/DPO/GRPO;LoRA/QLoRA;量化;MLA/MoE;RAG/Memory;权限/事务/fallback | 算法题、AI Coding、场景设计;没有可靠的全公司固定卷型 | 一半模型训练,一半业务闭环;蚂蚁额外准备安全、审计和一致性 |
| 腾讯/混元 | MoE/多模态、对话、推荐、游戏与内容 Agent | 项目/论文;MoE;LoRA;FlashAttention;CoT 数据;PPO/GRPO;多 Agent | 字符串/括号、树/DP;轮次因团队差异大 | 读目标团队技术报告,训练显存与多模态场景都要能算/设计 |
| 百度/文心 | 基础模型、后训练、Coder、搜索/RAG、多模态、Agent | 数据与训练;PPO/DPO/GRPO;RAG/幻觉;CLIP;异步 rollout;现场最小 SFT | 常规算法 + 模型手写;当前暑期实习已结束但日常实习开放 | 搜索/检索与生成不能割裂;准备责任归因实验 |
| 华为 | 盘古、行业模型、昇腾训推、多模态、Agent、模型数据/评测 | 数学与传统 DL;Transformer;显存;训练并行;项目;部分团队问 SFT/Prompt | 个体样本为机试后测评、技术面、主管面;机试常见栈/哈希/堆 | 先按 JD 区分算法与 CANN/HCCL/算子岗;机试单独练 ACM |
| 美团/LongCat | 基础模型、Agentic RL、多模态/具身、评测、业务 Agent | 项目深挖;SFT→RL;Reward/Reward Hacking;PPO/DPO/GRPO;MoE | 一份 2025-08 个体样本为 8 道 ML 选择 + 4 道编程;不能外推所有批次 | 强化数据、reward、业务指标和失败实验;传统 ML 不丢 |
| 快手/可灵 | 视频/多模态、LLM 应用、Agent/RL、推荐、压缩 | MHA/RMSNorm/KV Cache;推理加速;数据去重;Instruction Tuning;LoRA;DAPO | 26 届亲历两轮含字符串全排列、树序列化;另有编辑距离等 | 视频/VLM 与模型基础并重,准备至少两道中等算法 |
| 京东 | 零售大模型、多模态、RAG、后训练、模型优化 | SFT/PEFT;PPO/DPO/GRPO;量化;PagedAttention;Prefix Cache;RAG 切片 | 字符串、数组、LRU 等个人样本;固定笔试口径未核验 | 解释精度—吞吐—成本 Pareto,别只列优化名词 |
| 小红书 | 基础/应用大模型、生成式搜广推、Agent、内容安全、训推压缩 | 项目深挖;RAG/Agent/MCP/Skill;RL;多模态;内容安全 | 常规算法与模型组件均有个体样本;官网 JD 明确强调 coding | 独立问题定义、Web Scale 数据、生成式推荐/搜索和安全 |
| 拼多多/Temu | 电商大模型、推荐后训练、风控、Agent | Transformer;RL;推荐×LLM;业务指标;SQL/传统 ML | 公开个体样本整体偏强算法、SQL、组合题;不是统一原题库 | 传统算法、SQL、AUC/KS 与 LLM 一起准备 |
| 小米 | 端侧/手机大模型、多模态、个人助手、搜索规划 | 3D/多模态、端云取舍、Attention、项目 | self-attention、链表/数组等个体样本 | 端侧延迟/功耗/隐私与模型效果四方权衡 |
| 网易/有道 | 游戏 AIGC/NPC、教育大模型、语音、多模态 | response-only SFT、蒸馏、RAG 目标错配、Agent、数据 | 图/树/DP 与模型手写并存 | 将生成质量、可控性、安全与游戏/教育业务指标连起来 |
| 哔哩哔哩 | 视频理解、多模态内容、搜广推、大模型 | DPO 理论、Agent/DeepResearch、多模态内容 | 算法与搜广推基础仍重要 | 视频长序列、内容安全、推荐指标和 DPO 失败 |
| OPPO/vivo/荣耀 | 端侧、多模态、Agent、手机助手 | GSPO/GRPO、MoE、DeepResearch、VLM、Reward Hacking | 常规算法题 | 端云协同、模型压缩、多模态交互和业务约束 |
| 滴滴/携程 | 出行/旅行大模型、客服、推荐、Agent | RAG、基座选择、SFT 失败、Agent、数据构造 | 图/树/SQL/ML Coding | 业务约束、实时性、地理/时序特征和线上指标 |
4.1 两个值得单独保留的亲历样本
快手 26 届大模型应用算法,两轮技术面,B-First
- 原帖,发布/编辑于 2025-09-27,明确写“26 届校招”。
- 一面约 50 分钟:项目与论文、MHA、RMSNorm vs LayerNorm、KV Cache、推理加速、微调过拟合;手撕字符串全排列、二叉树序列化/反序列化。
- 二面约 40 分钟:项目深挖、生成数据去重、超大词表 Softmax 加速、中文 Instruction Tuning 数据、LoRA vs Prompt Tuning。
- 作者带项目辅导推广,因此只保留为单个候选人样本,不升格为“快手固定两轮/固定题单”。
智谱大模型 90 分钟一面,B-Weak
- 原帖,2025-06-08。
- 题型覆盖 tokenizer/RAG 伪代码、NL2SQL、PPO/DPO/GRPO、KL estimator、LoRA/P-tuning v2、DeepSeek-R1/MLA、PyTorch 与多机多卡。
- 账号同样带辅导导流,适合发现准备缺口,不用于估计智谱频率。
5. 大模型公司、研究机构和其他规模公司
| 公司/机构 | 招聘与岗位事实 | 面经证据现状 | 应用方式 |
|---|---|---|---|
| 智谱 | 官网当前有校招算法/研发,涉及训练策略与 RL 框架 | 2024 全流程、2025 应用算法、2026 Agent 样本;另有 AI Infra 样本 | 模型/Agent 岗重点准备 RL、MoE、长程任务、流式工具调用 |
| MiniMax | 当前明确 2027 校招、2028 转正实习、日常实习与 Top Talent | 2025 有一条 7 天内两技术面+HR+Offer 的流程帖,但岗位未明;历史算法样本较少 | 用官网 JD 和技术报告反推,不把未知岗位流程当算法岗证据 |
| DeepSeek | 官方动态招聘覆盖模型、数据、AI 搜索、Agent、系统 | 未找到满足“2026 届/明确算法岗/候选人亲历/可确认日期”的强闭环 | 读官方岗位和技术报告;不采用“只问实战不问八股”媒体口号 |
| 月之暗面/Kimi | 官方 Careers 动态招聘;国家就业平台曾有多模态 RL 实习 | 2025 可核验内容多为开发/Infra;算法亲历闭环不足 | 按具体 JD 准备,对齐/RL/数据构造与 Kimi 场景 |
| 阶跃星辰 | 2025 团队帖有 RL for AIGC;2026 有 LLM/语音/多模态实习转发 | 2026 聚合页有 LoRA/DPO/Agent/MoE/RLVR 题型,但多为个人聚合 | 降级为题型候选池,投递状态回到官方/招聘方 |
| 百川 | 搜索到的 2026 实习面经只有标题残留,正文不可取 | 2025 强样本不足;2024 样本不能伪装成 2025 | 暂不构造公司题库 |
| 面壁 | 2025 有候选人自述拿到基座团队 Offer | 无题目和轮次 | 只能证明当时存在招聘活动 |
| 商汤 | 有动态实习/校招转发 | 统一批次和算法亲历不足 | 官网或公众号人工核验 |
| 科大讯飞 | 2026 届春招补录、飞星计划有高校转发 | 有 NLP/语音/行业模型样本 | 传统语音/NLP 与大模型结合准备 |
| 上海 AI Lab | 2025 春招官方覆盖大模型、多模态、具身、安全、AI4S | 研究型面试更看论文和实验 | 准备 research talk、可复现实验和开放问题 |
| 北京智源 | “智星”计划覆盖大模型及开源系统 | 面经公开量少 | 读目标研究方向和开源项目 |
| 理想/蔚来/小鹏 | 视觉基座、VLM/VLA、Agent、端侧/车端 | 有 Transformer/Tokenizer、GSPO/DAPO、投机采样、多模态系统样本 | CV/3D 背景候选人的重要交叉投递池 |
6. 面试流程与高频考点
6.1 安全的流程概括
官方投递/内推
→ 简历与团队匹配
→ 可能的统一笔试、机试或测评
→ 1–3+ 轮技术面(研究专项可能更多)
→ 主管/综合面
→ HR/意向/审批
- 这是跨样本概括,不是任何公司的承诺。
- 字节 Seed 当前官方页明确“一般 3–5 轮技术面 + 1 轮 HR”;这条只适用于该专项且仍以 HR 安排为准。
- 华为个体样本常见“机试→测评→技术面→主管面”,但部门和岗位会改变流程。
- AI 创业公司可能推进很快,也可能增加论文/代码审查、加面或交叉面。
6.2 2025—2026 共同考查链
- 项目真实性
- 问题和用户是谁;
- 数据从哪里来,规模、许可、污染和 split;
- baseline 为什么合理;
- 模型、超参、卡数、时长、成本;
- 提升是多少,置信区间/显著性如何;
- 最大失败和 bad case;
- 个人贡献怎样由 commit、实验和决策证据支撑。
- 模型结构与训练
- Attention shape/mask/scale,MHA/MQA/GQA/MLA;
- RoPE、RMSNorm、SwiGLU、MoE;
- 数据清洗、去重、混合、Tokenizer;
- DDP/ZeRO/FSDP/TP/PP/EP、显存、混合精度、FlashAttention;
- prefill/decode、KV Cache、PagedAttention、量化/蒸馏。
- 后训练
- response-only SFT、LoRA/QLoRA;
- RM、PPO、DPO、GRPO 的数据流和角色;
- KL、clip、group normalization、policy lag;
- Reward Hacking、熵坍缩、离线/在线指标。
- Agent/RAG
- sparse/dense/hybrid retrieval、chunk、rerank;
- 责任归因、工具 schema、超时重试、幂等和 fallback;
- Memory、终止条件、循环检测、知识库热更新;
- pass@k/pass^k、任务终态、LLM-as-a-Judge 一致性和安全。
- 传统基础
- 树、图、DFS/BFS、字符串、DP、哈希、堆;
- LR/GBDT/XGBoost、AUC/校准、样本不平衡;
- 搜广推的召回/排序、负采样、曝光偏差;
- SQL 窗口函数、留存/连续登录、Top-N、累计指标;
- 概率、期望、矩阵、优化器。
6.3 2026 相对新增的准备动作
- 能从代码层解释 、、、,而不是只背算法名。
- 能设计 Agent 的成功终态、预算、失败恢复和外部 verifier。
- 能把数据质量问题量化:去重率、污染、切片、分布漂移、拒答与安全。
- 能现场写一个最小正确的模型组件,并说明 mask、数值稳定、dtype/device、梯度和边界。
- 能回答“为什么不用另一个方案”,给出最小消融和成本比较。
7. 笔试与手撕:能确认什么
7.1 公开个体样本
| 来源 | 样本描述 | 可用于训练 | 不能外推 |
|---|---|---|---|
| 美团算法策略笔试 | 2025-08 个体样本:8 道 ML 选择 + 4 道编程,涉及朴素贝叶斯、图论、计数等 | 一场“ML + 编程”混合模拟 | 美团所有算法岗都固定为此题量 |
| 快手 26 届大模型应用算法 | 面试手撕字符串全排列、二叉树序列化/反序列化 | 字符串回溯、树编码 | 快手统一笔试题 |
| 华为 2025 届 AI 软开流程 | 候选人自述机试含栈/哈希/堆,之后测评与多轮面试 | 三题 ACM 风格模拟、输入输出与部分分 | 华为所有大模型算法团队相同 |
| 智谱 2025 大模型 | tokenizer/RAG 伪代码,后续大量模型问题 | 模型 coding + 解释 | 智谱固定 90 分钟或固定题单 |
7.2 建议练成的题型篮子
- 传统算法 P0:哈希、滑窗、二分、树/图、BFS/DFS、堆、链表、基础 DP。
- 竞赛增量:DSU、Fenwick、二分答案、差分、最短路、状态压缩。
- 模型手写:stable softmax、RMSNorm、RoPE、MHA/GQA、SFT loss、DPO/GRPO、top-k/top-p、MoE、LoRA。
- ML Coding:LR/IRLS、AUC、决策树桩、Viterbi、KFold 防泄漏、检索指标。
- SQL:窗口函数、连续行为、分组 Top-N、留存、漏斗、累计首次达成。
本仓库对应入口:
8. 社交平台扩大检索后的结论
8.1 平台可用性
| 平台 | 本轮结果 | 证据策略 |
|---|---|---|
| 牛客 | 最容易取得作者、发布日期、正文和轮次;也存在培训引流、拆帖重发和合集账号 | 优先收一手;检查作者历史、岗位/日期、评论纠错;推广帖降级 |
| 知乎 | 找到通义、跨公司求职总结、快手招聘转发、2026 大模型题型合集 | 个人完整复盘可用;机构号、培训号和搜索摘要只作 C-Lead |
| 小红书内容平台 | 对 site:xiaohongshu.com/explore 定向搜索未取得可验证的面经正文;搜索引擎常把“小红书”识别为公司招聘站 | 不从无法打开的图片/摘要提取题目;可人工在 App 内按关键词复查 |
| CSDN | 可找到个人博客和搬运题库;推荐时间常被误当原文时间 | 原创全流程可用;跨平台题库必须追到原帖 |
| 博客园 | 命中多为结合 JD、技术报告和牛客扩写的模拟题 | 作为练习题,不标“真实面经” |
| 微信公众号 | 原文、图片海报和发布时间不易被稳定索引 | 保存官方原文/二维码截图时人工记录日期;媒体转述不能冒充官方 |
| 一亩三分地 | 可补 MiniMax 等历史招聘/流程 | 登录墙和摘要限制较多;不从标签页推断完整题目 |
8.2 具体新增线索
- 知乎 2026 大模型项目追问汇编提到量化精度恢复、RAG 延迟、Agent fallback 等,但作者为机构号且没有稳定原帖映射,只作为
C-Lead。 - 知乎快手 2026 届招聘转发声称部分热推岗免笔试;并非快手官方账号,不能当统一规则。
- 知乎 Agent 面经索引适合继续发现原帖,但它本身是链接合集,不能计作独立样本。
- CSDN 快手多模态题库声称汇总 2025—2026 面经,但无逐题原帖映射,归入练习池而非证据账本。
- 博客园 Kimi AI Infra 题库混合技术报告和模拟题,不作为 Kimi 真实面经。
8.3 在 App 内人工补查时的关键词
公司名 + 26届/27届 + 大模型算法 + 面经
公司名 + 暑期实习/提前批/春招补录 + LLM/Agent/VLM
团队名 + 一面/二面/笔试/机试 + 日期
岗位名 + OC/offer/挂 + 项目深挖/手撕
人工记录时必须保存:帖子链接或分享 ID、作者、发布日期、作者自述面试日、届别、岗位、轮次、是否推广、是否有评论纠错。只有截图而无可追溯 ID 时标 C-Lead。
9. 按岗位方向的准备矩阵
| 能力 | 基础模型 | 后训练/RL | Agent/RAG | 多模态 | AI Infra/优化 |
|---|---|---|---|---|---|
| 数据治理/Tokenizer | P0 | P0 | P1 | P0 | P1 |
| Transformer/RoPE/Norm/MoE | P0 | P0 | P1 | P0 | P0 |
| 显存/并行/混合精度 | P0 | P0 | P1 | P1 | P0 |
| SFT/LoRA/DPO/PPO/GRPO | P1 | P0 | P0/P1 | P1 | P1 |
| RAG/Tools/Memory/Eval | P2 | P1 | P0 | P1 | P2 |
| CLIP/VLM/视频数据 | P1 | P2 | P1 | P0 | P1 |
| 推理/KV Cache/量化 | P1 | P1 | P1 | P1 | P0 |
| 传统 ML/搜广推/SQL | P1 | P1 | P0(业务岗) | P1 | P2 |
| LeetCode/ACM | P0 | P0 | P0 | P0 | P0 |
| 论文与实验答辩 | P0 | P0 | P1 | P0 | P0 |
P0 必须闭环,P1 按 JD 补齐,P2 只保底。目标不是每列都学满,而是形成“一条主线 + 一条相邻线 + 传统基础不掉线”。
10. 对当前资料库的查漏补缺
10.1 已有强项
- 证据分级严谨,明确“个人面经不等于公司频率”。
- Transformer、训练/推理、SFT/DPO/PPO/GRPO、Agent/RAG、评测和排障正文完整。
- 传统算法从 Hot100 延伸到 DSU、Fenwick、MITM、MST 等进阶骨架。
- 项目规划已经包含 baseline、消融、止损门、数据 lineage 和 GPU 预算。
10.2 本轮已经补上的缺口
- 新增独立求职情报层,不再把动态招聘窗口塞进知识指南。
- 新增年份/届别口径、公司覆盖矩阵、2025/2026 招聘事件和社交平台证据边界。
- 新增招聘窗口与刷新日志,集中处理过期和状态变化。
- 新增传统 ML、搜广推与 SQL 专项。
- 新增多模态大模型专项,补视觉 token、训练数据、grounding、视频/3D 和评测。
- 新增零依赖模型手写核心实现及自动测试,覆盖最高频核心件。
- 将 30 天计划从当前日期重排,并移除已过期 deadline。
10.3 仍需你用真实产物完成的缺口
- 至少四场计时套卷的真实分数、错题和 24 小时/7 天复写记录。
- 17 项模型手写的“盲写通过日”,不能用“看懂参考实现”代替。
- 一个项目从规划文档推进到可运行 baseline、结果 JSON、失败案例和复现命令。
- 根据你的最终主投方向,在后训练、Agent、多模态三者中选一条做深,不继续平均扩写文档。
- 面试后 30 分钟内回填真实题目;敏感业务、面试官信息和公司保密内容不得记录或传播。
11. 每周刷新协议
每周一和周四各 20 分钟:
- 打开招聘窗口与刷新日志中的官方入口;
- 只记录新批次、截止日变化、岗位新增/关闭和毕业区间;
- 搜索过去 7 天的牛客/知乎/小红书 App 亲历;
- 对重复题只增加来源 ID,不重复抄题;
- 将
last_checked更新为当天,过期项改为closed或stale; - 只因两个以上独立强样本才调整准备优先级;
- 新 JD 到来时优先修改投递矩阵,不因单篇面经重写整套计划。
投递当天再核验一次资格、地点、岗位 ID 和截止时间。任何付费内推、索要账号密码或要求向私人邮箱发送敏感材料的渠道一律放弃。
12. 2026-08-13 增量刷新
12.1 招聘版图变化:2027 届正式批全面开闸
2026-08 第一周起,字节(8.3)、京东(8.3)、B站(8.3)、阿里集团(8.4)、美团北斗(8.5)、蚂蚁(8.10)、腾讯(8.11)相继全面启动 2027 届校招;拼多多提前批 8.23 截止、阿里星 8.23 截止。逐公司启动日期、投递机制(字节 4 次投递、专项不占次数等)与策略移至新文档《2027 届秋招时间线与投递策略》统一维护,本文不再扩写;动态状态仍看窗口日志。
12.2 新增面经样本
| 样本 | 内容要点 | 分级 |
|---|---|---|
| 腾讯 WXG 暑期大模型算法(转载于汇总帖内) | 一面 2.5h:手撕 AdamW、两道 SQL、海量数据清洗与敏感词处理、Q-learning vs DQN;二面 2.5h:GRPO/PPO/RM/MDP 追问、bf16/fp16/fp32 计算、LoRA 细节、手撕 PPO、算 MDP 折扣阈值(无穷级数)、算 SFT 参数量与显卡利用率、相交链表、全连接层输出基底趋近正交基的开放题;三面为面委会(两篇顶会论文答辩+RL 趋势);HR 面 | B-First(转述自一手,轮次时长完整) |
| 26 届秋招字节大模型算法三轮 | 一面:训练数据构造 Pipeline 场景题+编辑距离;二面:GRPO、DeepSeek-R1 奖励函数与两阶段训练、MHA 原理、Agent 项目、手撕 MHA;三面:RL 如何落到业务+再撕 MHA | B-Weak(带辅导推广) |
| 阿里大模型算法(RAG 项目深挖 16 问) | 分块策略、embedding 选型、rerank 算法、微调数据格式与显卡占用、幻觉处理、Transformer 三架构应用场景、llama2 结构与位置编码、训练资源、langchain、显存优化、主流模型 loss 对比、半精度、DeepSpeed;手写 GQA + 合并 K 个升序链表 | B-Weak(带辅导推广,题目结构完整可作深挖预演清单) |
| 阿里大模型一面 GRPO 深挖复盘 | GRPO loss 逐项写出并解释(ρ_t、组内标准化 A_t、min/clip、β·KL)、追问 ε=0.2 从哪来、Reward Hacking 应对(人工抽检+多 RM 集成)、信用分配 | B-Weak(平台转载,技术内容与原论文一致) |
| DeepSeek 大模型算法岗笔试帖 2026-07-26 | 手写完整 MHA(不能只写框架)、DPO 全流程推导、MoE 通信开销与负载不均衡、vLLM PagedAttention+投机解码、DeepSeek-V4 KV 缓存压缩计算、DeepSeek MoE 无辅助损失负载均衡推导;另提及 2026-07-12 Agent 开发岗实习机考 | C-Lead(含题库广告,无法确认为真实卷面;作为练习池) |
12.3 考点趋势增量(相对 §6.3)
- 手撕从”MHA/softmax”扩展到优化器(AdamW)与完整 PPO 训练循环;SQL 开始出现在大模型算法面试里(WXG 样本)。
- 追问深度进入”计算层”:现场算 MDP 折扣阈值、SFT 参数量、显卡利用率、混合精度数值——对应 30 天计划 B 线的显存/参数量口算训练。
- 公司自研模型的技术报告成为题源(DeepSeek-V4 KV 压缩、R1 两阶段奖励、无辅助损失负载均衡)→ 面试前 48h 必读目标公司最新报告(信息源手册 §5 有清单)。
- Agent 方向考”工程化生态”(Harness、Skill、终止与评测)的频率继续上升,与 DeepSeek 扩招方向一致。
12.4 新增信息源
GitHub 面试仓库(wdndev/llm_interview_note、laoshan-song/Awesome-LLM-Interview、MisterBooo/llm-interview-questions、Meko1/llm-interview-guide、adongwanai/AgentGuide、WeThinkIn/AIGC-Interview-Book 等)经核验真实活跃,已连同组织情报、薪资、技术跟进渠道一并整理进《信息源清单与检索手册》;使用纪律与本文 §1 证据分级一致。
13. 2026-08-23 增量刷新
13.1 检索口径
- 精确时间窗:2026-08-14 00:00 至 2026-08-23 23:59(北京时间);另外回补上一快照漏掉但仍影响当前投递的 8.10–8.13 启动项。
- 八条工作流:官方校招、专项/实习、候选人面经、笔试/AI Coding、Agent 岗、后训练/RL、多模态、训练系统与论文。Exa 深检索返回 423 条候选结果,去重后只把官方页、官号转发、候选人原帖和原始论文写入正文。
- 本节是公开增量证据,不宣称覆盖企业内部题库、登录后岗位、私域群或已删除内容。二手题解只用于训练题型,不能标成“原题”。
13.2 招聘窗口:8 月 10–20 日第二波集中开闸
| 公司 | 已核验变化 | 当前动作 | 证据 |
|---|---|---|---|
| 华为 | 2027 应届生批 8.15 启动;国内本硕 2027.1–12 毕业,国内博士/海外本硕博放宽到 2026.1–2027.12 | 立即筛盘古/小艺/诺亚模型算法岗;不要把昇腾纯 Infra 当同一序列 | 官方入口 |
| 快手 | 8.12 网申、8.14 面试、8.17 起意向/Offer;快Star 全年开放;部分技术岗增设 AI Coding,所有岗位可提交 AI 应用经验 | 简历补一条“AI 如何完成真实交付”的证据;准备受监考约束的 AI Coding | 官方入口、启动信息 |
| 小米 | 8.10 启动,12.31 网申截止;AI 岗需求增长 50%,产研类占 70% | 筛 MiMo、Agent、机器人、多模态岗位 | 官方入口、启动信息 |
| 美团 | 北斗之后,常规校招 8.17 正式启动;新增十余种 AI 原生岗,超过 80% JD 提及 AI 能力 | 北斗与常规批可并投;传统算法与 AI Coding 两线准备 | 启动信息 |
| 网易 | 8.20 启动,网易互联网、互娱、雷火三条流程可同时投且互不冲突 | 分事业部建立三条投递记录,不只投一个入口 | 官方入口、启动信息 |
| 荣耀 | 8.18 启动,9.30 截止;9 月起机考/面试,部分岗位有 AI Coding | 8 月内投;按算法岗通知准备 | 官方入口、批次说明 |
| OPPO | 7.15 已启动且招满即止;官方职位页当前显示 2027 届应届/博士/实习岗位 200+ | 立刻筛 Agent 记忆/检索、多模态、端侧大模型 | 官方职位页 |
| vivo / 滴滴 | vivo 8.11、滴滴 8.13 启动;均已进入当前批次 | vivo 研发岗 9.15 笔试;滴滴全渠道共 3 次主动投递 | vivo 官号转发、滴滴官号转发 |
今天的硬动作:拼多多 2027 提前批和阿里星均标注 8.23 截止。当前仍按 open · 今日截止 处理,8.24 再打开官方页确认是否转 ended。
13.3 8 月中旬新笔试:纯 ACM 与 AI Coding 同时存在
| 场次 | 公开题目骨架 | 训练映射 | 证据 |
|---|---|---|---|
| 拼多多 8.16 | ① 枚举/位运算三元组;② 栈/队列输出序列模拟;③ 带权区间调度;④ 按输入顺序且边权严格递增的最长路 | 枚举剪枝、栈模拟、排序+DP、每点离散化 Fenwick DP | B-First:考生题面与思路回忆 |
| 京东算法 8.15 | JSON 频繁项集(Apriori 剪枝);选一半元素使两组和最接近(MITM) | 子集剪枝、折半枚举、稳定 JSON I/O | C-Derived:作者明确称“改编真题”,含 AI 辅助生成 |
| 美团算法 8.18 | 电商搜索排序 AI Coding(文本/品牌/价格/行为特征,NDCG@10);ML/DL/大模型选择;GCD 区间编程 | 排序学习最小流水线、分组切分、NDCG@10、传统算法保分 | B-Secondary:题面整理,非候选人第一人称 |
结论不是“算法题被 AI 取代”:拼多多仍是四道高强度 ACM;变化是同一求职周期并存三种卷面——经典算法、ML/LLM 可运行实现、受规则约束的 AI 辅助交付。对应训练已补进笔试作战手册与ML / AI Coding 补丁。
13.4 新面经:Agent 系统边界与 RL 公式同时问
| 样本 | 内容要点 | 分级 |
|---|---|---|
| 腾讯 27 秋招大模型算法一面 | 表格 Agent;Agent 与固定 Pipeline 的区别;项目动机和业务价值;PPO/DPO/GRPO/DAPO、DPO/GRPO 公式;感知—规划—执行—反思;混合推理模式;游戏反作弊场景;手撕 LIS | B-First / Date-Weak:第一人称且问题具体;页面只给相对时间,按 8.22 左右记录,不把日期写死 |
| 多家公司 Agent 实习复盘 | context vs prompt、幻觉与异步上下文污染、RAG/MCP/Tool、SFT/PPO/DPO/GRPO、Redis/HTTPS 和经典算法;说明 Agent 岗并非只问框架 | B-Weak:第一人称汇总但未逐题映射公司/轮次 |
准备口径因此升级为:先回答“为什么不用确定性 Workflow/Pipeline”,再讲 Agent 的状态、动作、环境反馈、停止条件和评测;只有存在长程决策、策略自己的错误状态和可用反馈时,才进一步引出 RL。强化学习题库新增第 76 题覆盖这一问法。
13.5 8.17–8.19 后训练/Agent RL 原始论文增量
这些论文都很新,属于趋势与开放题材料,不是已经在国内面经中稳定出现的八股。优先理解共同问题,不背缩写排行榜。
| 论文 | 它修的故障 | 一句话方法 | 备考级别 |
|---|---|---|---|
| SA-MRPO(8.17) | 多奖励先固定加权再标准化,会丢失 reward profile,并把梯度浪费在已饱和目标 | 每个目标独立标准化,再按剩余提升空间动态降权已饱和目标 | P1:多奖励设计题 |
| TRCA(8.17) | Agent 早期几乎没有成功轨迹,无法拿成功轨迹做 step credit 锚点 | 用 Evidence/Execution/Invalidity rubric 直接评价状态转移,合并局部、突破与终局奖励 | P1:Agent 信用分配 |
| GUPO(8.18) | 一个 mini-batch 内不同 prompt 组的梯度方向冲突 | 把组梯度当随机变量估计不确定性,降低不可靠组的聚合权重 | P2:GRPO 优化开放题 |
| DART-SD(8.19) | 全轨迹模仿会覆盖 Agent 已经走对的前缀,并惩罚等价的工具顺序 | 建交互状态图,找关键拓扑断点,只对恢复步骤蒸馏,保护有效前缀 | P1:多轮工具学习 |
| R2-OPD(8.19) | 教师相似度不等于推理进展,OPD 可能惩罚有效但不同于教师的思路 | 比较教师奖励与进展奖励的 span 排序,冲突时屏蔽蒸馏奖励 | P1:OPD/蒸馏追问 |
详细讲解、统一坐标系和第 71–75 题已写入强化学习前沿专题与答案卡。
14. 2026-08-29 增量刷新
14.1 检索口径与结论
- 精确增量窗口:2026-08-24 00:00 至 2026-08-29;对 8.21–8.23 已发生但上一轮尚未公开/漏检的面经与论文做回补。
- 招聘结论:没有出现另一轮“所有大厂同时启动”,而是正式批继续放出细分岗位。最值得立即行动的是拼多多正式批、腾讯 Code/Agent/Harness、多模态后训练,以及天猫技术 Agent 算法岗。
- 面试结论:Agent 岗已从“会不会 LangChain/RAG”推进到 Context/Harness、权限安全、长程停止、轨迹验证、评测闭环;RL 岗则继续追问 reward granularity、user simulator、OPD 和多轮 credit。
- 论文结论:本轮只补三个有明确失败机制的案例,不按发布日期堆算法名。每个案例都写“故障 → 机制解释 → 已有原理 → 可证伪预测”。
14.2 招聘与 JD 增量
| 项目 | 新变化 | 对备考的直接含义 | 证据边界 |
|---|---|---|---|
| 拼多多 2027 正式批 | 8.24 公开招聘帖出现,官方职位入口仍是校园招聘页 | 旧提前批结束;重新核验正式批岗位 ID,算法/大模型方向直接补投 | 官方入口 + 8.24 招聘帖,记 A-Official + A-Relay |
| 腾讯 2027 新岗位 | 8.27 可见混元 Code & Agent、Harness/自进化,以及多模态生成后训练等细分岗位 | Agent 简历不只写调用 API:补状态管理、工具契约、权限/沙箱、终止、评测和失败恢复 | 官方动态链接可打开但正文由 JS 渲染;岗位字段由官方 URL 与公开聚合页交叉核验,记 A-Official-Link / Field-Relay:Code & Agent、Harness/自进化 |
| 天猫技术 Agent 算法 | 8.26 企业职位页把 Prompt/RAG/Agent 选型、Memory/MCP/Skills、SFT/DPO/GRPO、Agentic RL、trajectory、autorater、A/B、安全与成本放进同一 JD | 面试回答按“任务定义 → 数据/轨迹 → 训练 → 离线/线上评测 → 权限安全 → 成本”闭环组织 | 企业职位页,不是阿里官方静态校园页,记 A-JD / Employer-listed |
| 百度 AIDU | 官方大模型 J99938 与 Agent J99969 可直接读取 | 大模型岗补 SFT/RLHF、MoE/Latent Attention、投机推理;Agent 岗补规划/工具/反思、RAG 与成功率/延迟/成本 | 大模型 JD、Agent JD,A-Official |
14.3 8.25 美团笔试:AI Coding 已占半卷
候选人亲历帖给出的版式是:10 道选择题 30 分、1 道算法题 20 分、类 Kaggle 的 ML AI Coding 50 分。算法版本 A 是“单点修改数组,维护任意两数差绝对值总和”,可用坐标压缩 + Fenwick 维护数量/和值做到 (O(\log n)) 更新;同日另一公开回忆的算法版本是前缀 MEX/构造判定,并提到约 90 分钟 AI Coding。
使用纪律:把它们记为同场多卷的两个版本,不能拼接成所谓“完整统一原卷”。训练上新增三条:前 15 分钟跑通合法 baseline;每次只做可验证的小改动;模型分数不涨时先查数据切分、目标泄漏、输出契约和指标,而不是盲目换大模型。
14.4 新面经:Context/Harness 与多轮 RL 成为实问题
| 样本 | 可核验题目 | 证据与边界 |
|---|---|---|
| 百度大模型研发 Agent 方向一面(面试 8.18,发帖 8.25) | Prompt → Context → Harness 的区别;上下文将溢出时如何压缩;团队 RAG;Coding Agent 学习体系;数据库索引;手撕二叉树前序+层序;后续继续问 Tool Calling/C 端 Agent 架构 | B-First。帖子里的“Claude Code 三层压缩”是该场问法,不当作厂商官方固定术语 |
| 阿里云 Agent 算法一面(8.27) | 核心产出如何验证、回看如何改;Agent Loop;Harness 权限/安全;长程任务何时早停 | B-First。候选人明确没做大规模 RL,因此本场没有硬追 RL;这本身说明项目真实性优先于背算法名 |
| 淘天 Agent 算法一面(8.27) | pretrain/post-train 数据诊断;任务构造;统一 pipeline 与用户反馈;trajectory 如何验证;mid-train vs post-train;业务算法什么时候值得自己训练模型 | B-First / Page-partial。页面静态抓取不稳定,只保留已公开题纲,不扩写答案 |
| 阿里云 AI Infra / Agentic RL 一面(面试 8.23) | OPD 动机与过滤;为何不用学生错误轨迹;process/outcome reward;过程奖励偏差;多轮双层 reward;user simulator 过拟合;转真人/A-B 评测;冷启动与业务约束;verl AgentLoop | B-First,岗位相邻于 AI Infra,作为高价值 RL 信号收录,不外推成所有 Agent 算法岗必考 |
从这些样本抽出的新回答顺序是:先说系统状态和成功标准,再说 Harness 如何限制动作、保存/压缩上下文、处理权限与重放,之后才决定是否需要 SFT/RL。没有长程决策、可重复环境和可信反馈时,不要为使用 RL 而使用 RL。
14.5 三个 RL 机制案例
A. 先问“策略有没有支持”,再问用 PPO 还是 GRPO
- 观察到的失败:相同 RLVR 配方在不同 base model/prompt 分布上成败不一,甚至“伪奖励”有时有效、有时有害。
- 机制解释:如果 base policy 对目标行为的概率质量接近零,on-policy rollout 几乎采不到正例,优化器没有可学习信号;prompt 分布还会改变奖励与行为的相关结构。
- 已有原理:经典 RL 的 exploration/support。RL 不是从零创造任意行为,而是放大、重排策略已有的可达行为。
- 可证伪预测:训练前的 pass@k/support 指标应能预测可训练性;在 support 很低时,先做数据/SFT/curriculum 应优于直接增加 GRPO steps。见 Demystifying Reinforcement Learning Post-Training of Language Models(8.24)。
B. Credit 不只是一条 reward,要区分 evidence、transport、update geometry
- 观察到的失败:GAE 用固定时间核,GRPO 把序列结果广播给所有 token;二者都不感知该条 Transformer 轨迹实际如何计算。
- 机制解释:哪些 token 影响后续推理随轨迹变化,固定位置衰减或全序列同权可能把信用传错位置。
- 已有原理:credit assignment 与 GAE 的 bias–variance 权衡;新工作把“成功证据、信用传输、参数更新几何”拆成三件事。
- 可证伪预测:如果内部计算统计确实携带信用信息,trajectory-specific gate 应胜过常数、位置或打乱对照。CompPO 报告 Qwen3-4B 上 61.4% 对 tuned GRPO 53.8%,且包含 constant/shuffle/position controls;但它仍是新预印本,attention concentration 只是候选代理,不是已建立的因果真值。见 CompPO/CCT(8.21)。
C. Judge reward 也会被 hack:pairwise + 无异常负例校准
- 观察到的失败:Agent/审计器用单点评分训练时可能通过夸大、编造可疑行为拿高分,产生高 false positive。
- 机制解释:judge 的代理目标没有充分约束“没有问题时应保持沉默”,策略就会利用表面线索;这与业务 Agent 的 autorater/reward hacking 同构。
- 已有原理:偏好比较通常比绝对标尺稳定;校准集必须包含“无目标行为”的负例。
- 可证伪预测:reference-based pairwise reward 加入无隐藏行为目标后,应在保持发现能力的同时降低 false positive。论文的最佳配置报告 false-positive rate 低于 1%,但结论来自单一审计应用与 LLM judge,迁移到业务 Agent 仍需独立验证。见 Training Alignment Auditors via Reinforcement Learning(8.26)。
补充阅读:Unsupervised Post-Training Survey整理了 80 种严格 UPT 方法,并提醒同源内部信号可能递归放大错误;它适合作为选型索引,不新增一张要背的方法卡。
这些内容已同步进强化学习前沿专题和第 77–79 张答案卡。
15. 2026-09-08 增量:九月笔试与 Agent 排障
15.1 招聘与流程
窗口日志 §0记录本轮来源和证据边界:美团 9.01 高校企业公告新增近期场次与专项互斥规则;vivo FAQ 确认一周后的截止/研发笔试;拼多多官网正式批证据增强;Seed、百度 AIDU 为存量复核。淘宝闪购生成式岗是新发现的转载线索,阿里国际 Agentic RL 公告为实习。腾讯/华为未取得足够的新大模型岗位字段,不据此写“停止招聘”。
15.2 公开样本(不混合不同岗位和试卷)
| ID | 来源与日期 | 已读主帖内容 | 证据边界 |
|---|---|---|---|
| SEP-JD-01 | 京东算法笔试,2026-09-05 21:12 发布,标题“9月5日” | NumPy 逻辑回归,JSON 训练/测试输入、输出概率;另有直线运动题和 AI Coding | 亲历自述。运动题条件不全;AI Coding 无题面/评分细节,不把“8880”解释成正确率 |
| SEP-BY-01 | 字节 Agent 开发一面,2026-09-04 发布,标题“9.3” | Harness、长任务从 5 分钟变成 15–20 分钟的排查、工具参数可靠性、上下文压缩;给定数字集合构造严格小于 n 的最大数 | 亲历自述,Agent 开发相邻岗;面试年份未单写,按帖子日期归档,不计作后训练研究岗高频证据 |
| SEP-PDD-02 | PDD 0906 AI Agent 研发岗,2026-09-06 21:40 发布 | 传送带箱子最少反转;和为 k 倍数的无序对;魔法边有次数上限且不能连续使用的最短路;两侧配对收益最大化 | 亲历回忆,明确 Agent 研发岗;四道传统算法题,未提 AI Coding/可用 AI。最短路与 KM 是作者给出的解法提示 |
| SEP-PDD-01 | 拼多多 9.06 机考整理,2026-09-07 发布 | “彩门换向”与模数配对 | 第三方整理,前两题与 SEP-PDD-02 重合,作为旁证不重复计题 |
| SEP-MT-01 | 美团算法策略 9.01 整理,自标场次 2026-09-01 | 站点库存 AI Coding,整数/容量/预算/ID 对齐约束;欧拉回路题 | 二手,无候选人原始链接/发布日期;另一份同日整理称多云成本 HTTP 服务。不同卷或误配尚未确定,不合并为固定试卷 |
上表是本轮新增的跨岗位观察附录,不与旧账本的 89 组算法面经直接相加。拼多多两个来源重合,不能当两套试卷。题面完整程度决定可复现范围;看到新日期并不意味着整页推荐内容都发生在该日。
15.3 三项实际补课
- 完整 ML 提交:按AI Coding 补丁新增的自拟协议,限时完成 NumPy 逻辑回归;检查 shape、稳定 sigmoid、有限概率和 JSON 输出。真实卷若指定初始化/正则/迭代次数必须遵循题面。
- 算法边界:受限数字构造练逐位贪心与回退;彩门换向保留原位置,能开就开,整趟无进展才判失败;不把两题硬称为力扣原题。
- 可观测 Agent 答辩:先复现同一输入与版本,对比模型调用、工具耗时、重试次数、循环步数、输入/输出 token 和排队;并行工具看关键路径而非把耗时全相加。定位后再选择减上下文、修工具、限重试或缓存,并复测任务成功率。
15.4 强化学习阅读增量
本轮加入三篇原始论文案例,详细讲解见前沿章 §7:竞赛代码后训练练训练/搜索归因;文本简化 GRPO练奖励漏洞与切分泄漏审计;First Things First练必须条件、偏好和无解子集评测。它们是新论文,尚未作为面试实录收录,79 张评分卡保持不变。
原始文档:GitHub 源文件。