Bilibili
实习上海 · 实习 · 本科
长期有效
●基于 Qwen3.5 等开源大模型，开展 SFT、GRPO、DPO及知识蒸馏实验。
●参与 On-Policy 蒸馏流程建设，包括 Student Rollout、Teacher 反馈、训练样本构造、样本筛选和迭代评测。
●根据内容理解和 Agent 任务特点，设计训练数据、Prompt、Reward 与采样策略。
●分析 reward、loss、KL、entropy、response length、gradient norm 等训练指标。
●排查训练不稳定、Reward Hacking、长度偏置、模式坍缩、能力退化和训练推理不一致等问题。
●对不同模型、数据配比、训练策略和超参数进行对照与消融实验，形成可信、可复现的实验结论。
●建设面向内容理解、多模态分类和 Agent 任务的评估集。
●从 Precision、Recall、F1、格式合规率、任务完成率和稳定性等维度评价模型效果。
●分析模型 bad case，区分数据质量、Prompt、基础模型、训练策略、Reward 设计和工具调用等不同问题。
●设计固定评估集、回归集和对照实验，验证效果提升是否真实来自目标变量。
●关注训练指标与真实任务效果的一致性，不以 loss 下降或 reward 上升代替最终效果验证。
●对模型实验形成结构化结论，明确哪些方案有效、哪些无效，以及后续优化方向。
●将数据构建、训练提交、模型推理、离线评测和结果分析流程沉淀为可复用的平台能力。
●建设自动化训练与评测流程，减少依赖个人环境和一次性脚本的人工操作。
●完善实验配置、任务状态、指标记录、模型版本和产物管理，保证实验可追踪、可比较、可复现。
●参与算法任务的异常处理、日志分析、监控告警和失败恢复。
●对自己负责的算法能力完成从实验验证到稳定交付的
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。