面试之前，先来面栈
搜索
美团

大模型算法工程师一面、二面面经

发布时间：面试阶段：一面、二面发布地：山东作者：算法打工人小旺查看原帖 ↗

完整信息
归档编号：
MJ-NC-2026-0387
原帖标题：
美团大模型算法岗完整面经（一面+二面）
所属公司：
美团
岗位：
大模型算法工程师
面试阶段：
一面、二面
发布时间：
发布地：
山东

26 条问法 · 23 道题

本篇目录
一面（技术基础+项目+模型八股+手撕）

一、常规问答

1. 简单介绍个人职业发展规划 2. 面试官主动讲解团队业务方向、日常工作内容与技术落地场景

二、大模型核心八股

1. 已经构建推理类Reasoning训练数据，为什么还需要接入RL训练？仅依靠SFT能否满足业务需求？ 2. SFT训练达到怎样的效果指标后，才适合接入RL优化阶段？ 3. 在模型结构、训练策略层面，是否做过针对性优化改进？ 4. Attention机制中为什么需要去除DK相关计算维度，核心作用是什么？ 5. 详细区分Workflow和Agent的核心差异与适用场景 6. 对比Memory机制与RAG检索增强的区别、优势和落地场景差异 7. LLM输入维度为b、s的情况下，完整推理过程中Tensor维度的变化逻辑 8. 7B规模模型使用GRPO训练时的显存占用开销及优化方式 9. 简述聚类算法的核心原理、主流实现方法，同时说明K-Means算法是否存在全局最优解

三、手撕算法

基础算法题：两数之和 二面（业务场景专项面，无手撕、无常规项目提问

一、数据层相关问题

1. 实际业务中，如何量化、评估标注数据集的质量？ 2. 定义标注数据的合格标准，从哪些维度判定标注有效？ 3. 多类型、多场景训练数据的混合策略与配比思路

二、SFT微调专项问题

1. SFT训练过程中，如何平衡简单任务与复杂任务的训练权重？ 2. 微调阶段防止模型过拟合的常用方案与实操技巧 3. LLM SFT训练常用的Loss函数及适用场景 4. 模型开启/关闭Thinking推理机制，对微调训练效果的影响 5. SFT的终止判定条件，满足哪些标准可切入RL训练？ 6. 大模型训练为什么必须拆分SFT预微调+RL强化优化两个阶段，能否简化流程？

三、RL强化学习专项问题

1. 针对字段提取业务，需要设计哪些维度的Reward函数？ 2. 项目中是否遇到过Reward Hacking问题，对应的识别与解决方案？ 3. RL训练数据集的构建思路，能否直接复用SFT阶段的训练数据？ 4. 如何解释RL训练初期Reward数值先降后升的现象？ 5. RL全流程需要重点监控哪些核心训练指标，如何根据指标调优？ 6. RL训练中如何兼顾难易样本，提升模型对高难度业务任务的探索能力？
本篇目录
  1. 01
    简单介绍个人职业发展规划
    关联题目职业发展和公司选择时，你看重哪些因素？项目与综合面试 / 求职动机、职业选择与安排行为面17篇相关面经
  2. 02
    已经构建推理类Reasoning训练数据，为什么还需要接入RL训练？仅依靠SFT能否满足业务需求？
    关联题目为什么在 SFT 后采用 RL，SFT 遇到了什么问题？模型训练与对齐 / 预训练、续训与 SFT比较选型进阶1篇相关面经
  3. 03
    SFT训练达到怎样的效果指标后，才适合接入RL优化阶段？
    关联题目如何判定 SFT 可以结束并进入强化学习阶段？模型训练与对齐 / 强化学习与奖励方案设计进阶0篇相关面经
  4. 04
    在模型结构、训练策略层面，是否做过针对性优化改进？
    关联题目除了训练数据，项目中还做了哪些算法改进？模型训练与对齐 / 训练数据构建与治理项目深挖深入1篇相关面经
  5. 05
    Attention机制中为什么需要去除DK相关计算维度，核心作用是什么？
    关联题目Transformer 中的 Attention 如何计算？模型基础与推理 / Transformer 与注意力原理机制进阶6篇相关面经
  6. 06
    详细区分Workflow和Agent的核心差异与适用场景
    关联题目Workflow 和 Agent 有什么区别？已有答案面前必看Agent 原理与系统 / 工作流、状态与执行恢复比较选型基础7篇相关面经
  7. 07
    对比Memory机制与RAG检索增强的区别、优势和落地场景差异
    关联题目Memory 与 RAG 有什么区别，各适合什么场景？Agent 原理与系统 / 记忆系统比较选型基础0篇相关面经
  8. 08
    LLM输入维度为b、s的情况下，完整推理过程中Tensor维度的变化逻辑
    关联题目大模型推理中各层 Tensor 的维度如何变化？模型基础与推理 / 模型架构与表示原理机制进阶0篇相关面经
  9. 09
    7B规模模型使用GRPO训练时的显存占用开销及优化方式
    关联题目如何估算并优化 7B 模型 GRPO 训练的显存开销？模型训练与对齐 / 分布式训练与计算硬件方案设计深入0篇相关面经
  10. 10
    简述聚类算法的核心原理、主流实现方法，同时说明K-Means算法是否存在全局最优解
    关联题目K-Means 等聚类方法如何工作，能否保证全局最优？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经
  11. 11
    基础算法题：两数之和
    关联题目求数组中和为目标值的两个元素。算法与编程题 / 数组、字符串与哈希代码题基础1篇相关面经
  12. 12
    实际业务中，如何量化、评估标注数据集的质量？
    关联题目什么是高质量数据？模型训练与对齐 / 训练数据构建与治理原理机制进阶1篇相关面经
  13. 13
    定义标注数据的合格标准，从哪些维度判定标注有效？
    关联题目什么是高质量数据？模型训练与对齐 / 训练数据构建与治理原理机制进阶1篇相关面经
  14. 14
    多类型、多场景训练数据的混合策略与配比思路
    关联题目多场景训练数据应如何混合并确定采样配比？模型训练与对齐 / 训练数据构建与治理方案设计进阶0篇相关面经
  15. 15
    SFT训练过程中，如何平衡简单任务与复杂任务的训练权重？
    关联题目SFT 中如何平衡简单任务和复杂任务的训练权重？模型训练与对齐 / 预训练、续训与 SFT方案设计进阶0篇相关面经
  16. 16
    微调阶段防止模型过拟合的常用方案与实操技巧
    关联题目微调时如何判断并缓解过拟合？模型训练与对齐 / 训练框架、调参与排障故障排查进阶0篇相关面经
  17. 17
    LLM SFT训练常用的Loss函数及适用场景
    关联题目SFT 常用的损失函数是什么，如何选择和计算？模型训练与对齐 / 训练框架、调参与排障原理机制进阶0篇相关面经
  18. 18
    模型开启/关闭Thinking推理机制，对微调训练效果的影响
    关联题目开启或关闭 Thinking 对 SFT 训练有什么影响？模型训练与对齐 / 预训练、续训与 SFT比较选型进阶0篇相关面经
  19. 19
    SFT的终止判定条件，满足哪些标准可切入RL训练？
    关联题目如何判定 SFT 可以结束并进入强化学习阶段？模型训练与对齐 / 强化学习与奖励方案设计进阶0篇相关面经
  20. 20
    大模型训练为什么必须拆分SFT预微调+RL强化优化两个阶段，能否简化流程？
    关联题目为什么在 SFT 后采用 RL，SFT 遇到了什么问题？模型训练与对齐 / 预训练、续训与 SFT比较选型进阶1篇相关面经
  21. 21
    针对字段提取业务，需要设计哪些维度的Reward函数？
    关联题目字段提取任务的奖励函数应如何设计？模型训练与对齐 / 强化学习与奖励方案设计进阶0篇相关面经
  22. 22
    项目中是否遇到过Reward Hacking问题，对应的识别与解决方案？
    关联题目什么是 Reward Hacking，如何识别、定位并治理？模型训练与对齐 / 强化学习与奖励故障排查进阶2篇相关面经
  23. 23
    RL训练数据集的构建思路，能否直接复用SFT阶段的训练数据？
    关联题目RL 训练数据如何构建，能否直接复用 SFT 数据？模型训练与对齐 / 训练数据构建与治理比较选型进阶1篇相关面经
  24. 24
    如何解释RL训练初期Reward数值先降后升的现象？
    关联题目RL 训练初期奖励先降后升时，如何解释和排查？模型训练与对齐 / 强化学习与奖励故障排查进阶0篇相关面经
  25. 25
    RL全流程需要重点监控哪些核心训练指标，如何根据指标调优？
    关联题目RL 训练中通常观察哪些参数和指标？模型训练与对齐 / 训练框架、调参与排障效果评估基础1篇相关面经
  26. 26
    RL训练中如何兼顾难易样本，提升模型对高难度业务任务的探索能力？
    关联题目强化学习如何选择有效难度的样本并提升复杂任务探索？模型训练与对齐 / 强化学习与奖励方案设计进阶1篇相关面经

相关公司