滴滴 2025届秋招提前批 大模型算法工程师

写在前面

我的2025届秋招之旅大概算是结束了，虽然目前还没决定去哪，但应该不打算面试了。最近打算总结一下面经，希望对广大粉丝们后续求职有一点帮助。

由于暑期实习是在鹅厂做LLM，因此我秋招面试的主要是NLP/LLM岗位，当然因为有一段快手推荐实习，所以也面了部分搜广推岗位。

先说一下个人情况：

1. 学校情况：211本中9硕，本硕学校都一般，本硕都是计算机科班，但研究方向并不是NLP，而是图表示学习
2. 论文情况：2A(NeurIPS+AAAI)+1B(ICDM)已录用，以及一篇数据挖掘A刊TOIS在投，四篇论文都是一作
3. 实习情况：快手推荐算法日常实习 + 腾讯大模型暑期实习
4. 奖学金情况：本科生国家奖学金、研究生国家奖学金，4次校级一等奖学金
5. 其他：我的优快云还有公众号以及知乎之类的，这些平台都有一点粉丝量，至于其他诸如数学建模还有蓝桥杯获奖，以及优秀毕业论文和优秀毕业生之类的，对求职也没太大作用

这里先写一下滴滴提前批大模型岗位的面经，后续也会更新其他面经。由于我之前在别的平台已经发过了，所以优快云已经上有人搬运了部分面经，这很难评。。。

滴滴目前进度是等着谈薪，今年开奖普遍都较慢

一面/技术面 40min

1. 面试官自我介绍
2. 自我介绍
3. 快手实习，详细问了XGBoost
4. 损失函数
5. 如何处理缺失值？
6. bagging和boosting模型异同
7. 如何处理样本不均衡的问题
8. 腾讯实习
9. 介绍LongLoRA
10. 长文本有哪些技术
11. norm有哪些作用
12. 为什么不能用bn
13. OOM你一般怎么解决
14. 说说deepspeed
15. 反问：业务场景
16. Coding：岛屿数量

二面/技术面 1h

1. 自我介绍
2. 介绍实习
3. 目前上线后有没有遇到什么问题，后续打算如何解决
4. 遇到的最难的问题是什么，如何解决的
5. 模型并行和数据并行
6. 模型的哪些部分比较耗费显存
7. 说说DeepSpeed
8. 了解RLHF么
9. SFT过程中哪些因素比较重要
10. 完全微调在什么情况下会比LoRA微调好
11. 大模型前向传播和反向传播会有哪些过程
12. 哪些因素会影响显存使用
13. 如果调大batch_size会对哪些部分有影响
14. 在sft的过程中，哪些参数比较重要，有没有较好的经验值

三面/技术面 1h

1. 自我介绍
2. 介绍实习
3. 负责了哪些部分
4. 做长文本之前组内是怎么处理的
5. 效果如何测评
6. 数据集构建过程
7. 从最开始调研到模型上线的全流程
8. 有没有遇到比较难解决的问题，如何解决的
9. 上线后使用有没有遇到什么bad case，如何解决的
10. 开放性问题：用大模型做智能客服，从头到尾设计一下
11. 假设有大量的历史交互数据，以及知识库，你会怎么去优化，从长文本和RAG两个角度说了一下
12. 大量历史数据微调后效果很一般，该如何去优化
13. 个人往后想做的方向有什么倾向，做落地（论文还可以，问我为什么不做研究）
14. 日常通过什么途径和渠道来了解前言技术进展
15. 反问

正常应该是3轮技术 + 1轮HR面，不过滴滴有个新锐计划，貌似就是SSP的意思，需要加一面。

四面/新锐加面/技术面 1h

1. 自我介绍
2. 介绍腾讯实习
3. 长文本如何测评
4. 了解哪些长文本技术
5. 为啥没用腾讯内部的混元
6. 应用场景
7. 数据集构造
8. 上线后出现了哪些bad case，如何解决的
9. 你负责了哪些部分
10. 哪些部分比较难
11. 聊了聊华为910B
12. 显卡利用率低和哪些因素有关
13. 开放问题：摒弃你现在做的东西，设计一套RAG系统来做长文本的摘要理解，给了一定的思考时间
14. 长文本能打败极致的RAG吗
15. RAG在摘要理解方面的能力如何提升
16. 详细介绍了NIPS论文
17. 聊了聊实验室方向
18. 聊了聊面试的其他岗位，滴滴排序在哪个位置
19. 回去等通知

五面/HR面 30min

1. HR自我介绍
2. 自我介绍
3. 对前边几轮面试以及面试官有没有什么看法，觉得怎么样
4. 对滴滴的印象以及建议
5. 硕士阶段是如何走到现在的，目标如何制定，如何去做
6. 怎么想到走算法岗这条路的
7. 觉得自己相比其他实习生，优势/劣势在哪里
8. 问了转正的事
9. 还面试了哪些公司
10. 未来对工作有哪些要求
11. 未来的工作更倾向于做什么方向
12. 反问：预计八月底发offer意向，十月份谈薪

事实上9.13OC后目前都没谈薪，不过无所谓了，先等着