面了科大讯飞 NLP 算法岗，被疯狂拷打。。。

最新推荐文章于 2025-02-27 22:56:11 发布

原创最新推荐文章于 2025-02-27 22:56:11 发布 · 1.1k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#自然语言处理 #算法 #人工智能 #知识图谱 #语言模型 #pdf #chatgpt

节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。

针对大模型技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。

最近一位粉丝成员面试科大讯飞 NLP 算法岗，被疯狂拷打。。。

今天我把他的面经题整理总结一下，希望可以对大家找工作有帮助，喜欢点赞、收藏、关注。

⾃我介绍
介绍⾃⼰的项⽬
项⽬中数据语料
你怎么评价你⾃⼰构建的数据集的好坏？
chatGLM 和 GPT 模型结构⼀样吗
⼤模型训练⽅式
怎么评价⼈类⾼质量回答的数据集？精⼼处理的数据集作⽤？
强化学习中怎么⽤奖励模型打分？怎么样的分数？奖励模型是怎么得到的？
⽤强化学习的梯度更新是怎么实现的？
什么样的 prompt 是好的 prompt？
Instruct 和 prompt 有什么区别？
现在⼤模型有哪些的缺点
模型幻觉怎么解决？
⼤模型对话和传统的 nlp ⼈机对话⽅案有什么区别
（⼈机对话）你怎么知道⽤⼾输⼊之后，触发⼀些问题
传统⼈机对话中⼀个问题给 K 个回复吗
（⼈机对话）相似度怎么计算；这种度量的模型怎么训练？
命名实体识别遇到嵌套识别该怎么做？
⽂本分类中⼀个⽂本有多个类别的话，该怎么做？
⽂本分类中类别不均衡问题怎么解决？
⼤模型的幻觉怎么评测？
什么是⻓⽂本？⼤模型⻓本⽂怎么做？
你项⽬中⻓⽂本⽤的多⻓？
tokenizer 的步骤

总结

这次面试涵盖了自然语言处理（NLP）和大型语言模型（LLM）相关内容。

涉及多个关键点，包括个人项目、数据集构建、模型结构、训练方法、强化学习、prompt 设计、模型缺点、对话系统、实体识别、文本分类等

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述