26届大模型应用暑期实习面经｜腾讯（已oc）

✅一面 时长约60分钟 一面以八股为主，比较常规。

1. 看你项目里用到了DeepSeek-R1，介绍一下DeepSeek为什么这么火？
2. 项目拷打，涉及思路、细节等方面，还共享屏幕讲解了项目代码。
3. Q、K、V维度设计有什么含义？能否替代？
4. 多头注意力的本质是什么？是并行还是特征分组？
5. Feedforward层为什么使用两层MLP？中间维度为啥扩大？
6. LoRA 的原理、适用场景？为什么能节省参数？
7. RAG 是怎么组合生成与检索模块的？pipeline设计思路？
8. RAG 中检索部分选用 dense retrieval 还是 sparse？依据是什么？
9. 文本生成任务中如何防止重复？Top-k 和 nucleus sampling 有何差异？
10. 大模型部署时常见优化策略有哪些？ 算法题（代码手撕）： ·实现一个 LRU 缓存（要求空间复杂度最优） ·滑动窗口最大值（follow up: 如何做并行优化） 面试感受： 节奏紧凑但不压人，很多问题是围绕“为什么这么设计”展开，非常看是否理解底层逻辑。

✅二面 时长约50分钟 二面主要是深挖项目，八股部分也比较偏向于场景题，有点汗流浃背。

1. 针对项目细节进行深挖，包括模型选型、为什么采用这种预训练方式以及训练参数等细节。
2. 假设一个大模型问答系统上线后准确率下降，你会怎么排查？
3. 大模型多轮对话中如何建模历史上下文？会不会越堆越长？
4. 你认为大模型未来三年在C端会出现哪些“伪需求”？
5. 模型越大越好吗？落地中怎么看模型尺寸与精度的权衡？
6. 给一个知识密集型任务，设计大模型 + 知识库的方案。 面试感受： 重点不再是八股，而是在于“是否有思考落地、评估效果、调研方案的能力”，非常偏实际NLP系统的构建。 #大模型 #找实习 #我的读研日常 #互联网大厂实习 #大模型应用 #腾讯实习 #算法工程师 #面经 #内推

#大模型 #找实习 #我的读研日常 #互联网大厂实习 #大模型应用 #腾讯实习 #算法工程师 #面经 #内推 #作者

图 p01：封面卡片，补充信息：岗位是「腾讯 · 应用研究 - 自然语言处理」

图 p03–p07：表情包贴纸，无面经内容

• 刀耳山：佬请问有机试吗
• 江船入海（作者）：有手撕算法题
• momo：你这是大模型开发？还是算法
• Blueee0.：想问问大佬的bg，有论文or实习嘛
• 江船入海（作者）：本硕双9，1篇论文在投，无实习
• 小玉咪：场景题怎么准备呢
• 江船入海（作者）：结合自己项目经历，多见多练多思考吧
• momo：啥时候面的，话说2-3怎么答
• 江船入海（作者）：4月份面的[嘻嘻R]
• ᅠᅠᅠ：大佬项目是什么，那个方向的，方便请教一下吗

• 是否对标上海实习主线（Agent 应用/全栈）
• 可迁移到简历/项目的点：
• 待补学：