字节跳动
大模型算法面经合集
完整信息
本篇目录
1. 说一说你比较熟悉的几款多模态大模型
2. 多模态大模型一般如何处理视频输入信息
3. 分析多模态大模型产生幻觉的主要原因
4. 遇到视觉反常识场景，如何借助后训练、RAG、规则手段缓解幻觉
5. 如果选择后训练方式解决幻觉问题，该怎样搭建对应的训练数据集
6. 算法手撕：岛屿数量，先写DFS，再实现BFS
7. 讲讲实习里模型训练流程，以及新增特征的实现方式
8. 简述多模态大模型整体架构
9. 谈谈对Qwen‑VL系列模型的了解
10. Qwen3.5主要做了哪些方面的改动
11. 实际使用Qwen3.5发现推理耗时变长，分析可能原因
12. embedding模型与reranker模型分别是如何实现的
13. 大规模搜索场景下召回环节怎么做，谈谈对ANN相关算法的了解
14. 对比视频生成模型和视频理解类多模态大模型，梳理架构层面的异同点
本篇目录
当前问题0114
- 01
说一说你比较熟悉的几款多模态大模型
- 02
多模态大模型一般如何处理视频输入信息
- 03
分析多模态大模型产生幻觉的主要原因
- 04
遇到视觉反常识场景，如何借助后训练、RAG、规则手段缓解幻觉
- 05
如果选择后训练方式解决幻觉问题，该怎样搭建对应的训练数据集
- 06
算法手撕：岛屿数量，先写DFS，再实现BFS
- 07
讲讲实习里模型训练流程，以及新增特征的实现方式
- 08
简述多模态大模型整体架构
- 09
谈谈对Qwen‑VL系列模型的了解
- 10
Qwen3.5主要做了哪些方面的改动
- 11
实际使用Qwen3.5发现推理耗时变长，分析可能原因
- 12
embedding模型与reranker模型分别是如何实现的
- 13
大规模搜索场景下召回环节怎么做，谈谈对ANN相关算法的了解
- 14
对比视频生成模型和视频理解类多模态大模型，梳理架构层面的异同点