国内
智谱AI (AI院)（日常实习）
没有代表性。
2023年10月中旬参加的面试。当时 GPT-4 刚刚发布半年，智谱的 ChatGLM 刚刚结束 3.0 版本的训练。当时公司算法团队还在赛尔大厦的老工区里。
我觉得线下面试或许能聊得更深，所以选择了线下面。面试也很随意，面试官是 GLM 三剑客的 shaw，也是我后来的 leader。没有 coding test，只是看了看我的简历，听了听自我介绍，问了问 persona chat 的项目。现在看来，也是缺人。因为那份简历现在看来是不堪入目。
字节跳动 (Seed-Vision) (日常实习)
2025.9
非 Topseed，普通seed打工人。
也不是很有代表性。
HR 加 vx 联系的我，说看了我的简历，知道我在上面那家公司实习过，然而我是真不记得什么时候投过节子了…过了几天，说我方向不匹配…我请HR帮忙询问其他组是否有机会，歪打误撞进的该组。
团队想做统一生成与理解，diffusion 的同学已经很多了，缺视觉理解的人，所以招我进去。
一面
-自我介绍
-项目介绍+提问
-业务提问：视频生成，如何在没有收集到用户反馈的情况下提升视频生成的质量？（我答的多次生成让用户自己选，但之后熟悉业务后，发现面试官不是这个意思）
-代码：VLM的多头注意力（都这么问了，肯定要对视觉做特殊处理吧，例如视觉部分双向注意力，文本部分 causal，就是 LLaViT 的 motivation。我是这么写的，面试官似乎也是这么想的，但面完后仔细一想，wok，qwen2.5-VL 压根没考虑这个，在 LLM 部分直接梭哈全部 causal…）
二面
自我介绍
项目介绍+提问
VLM 训练过程
RoPE 为什么会有复数的形式？
Qwen2.5-VL 如何处理多模态位置编码？
Qwen2.5-VL 为什么把图像复制一份？（为了兼容视频理解）
Deepseek NSA 了解不？
MoE 了解多少？
Transformer 从头到尾讲一下
讲讲对RL的认知
你觉得我还考你代码吗？（不考了吧，在赶 ICLR 没时间刷题）
总结（面试加分项）：
以下几点虽然标注了重要性比例，但每一项都缺一不可。
- 实事求是（T0 级别重要性）
- 会就说会，不会硬编会被直接pass，因为面试官比想象的要更忙碌，都希望应聘者干爽利落；
- 方向匹配（70%）；
- 不要告诉面试官自己学习能力强，在大厂的疯狂迭代过程中，学习能力在熟练工面前不值一提；
- 口齿清晰，思路清晰 (15%)；
- 主动展现自己的价值（15%）
- 讲清自己跟别人的差异在哪里，有什么不可替代的（想想大厂怎么 PUA）；
- 不可否认，一段高质量的项目经历（例如参与某个模型的研发，一个出色的开源项目）比一篇又一篇的论文更值钱；
- 讲清自己对团队的项目能产生哪些价值，试图去颠覆面试官的认知
- 一定要主动输出自己的认知，让面试官学到新知识，而不是知乎小红书上的面经；
- 或许也能拓宽自己的认知。例如当时大家都觉得 Deepseek 那套 RLVR 屡试不爽，但面试官告诉我在 video RL 领域根本无法设计可验证的奖励，reward hacking 问题仍待解决；
- 讲清自己跟别人的差异在哪里，有什么不可替代的（想想大厂怎么 PUA）；
高瓴创投 (?创新科技方向) (日常实习)
2025.3
朋友内推。
当时对 video gen 没啥了解，谁知后面真去做了。
一面
自我介绍
你觉得未来比较好的赛道是什么？
有没有比较看好的企业？(生数科技)
生数科技技术领先多少？
字节骆怡航怎么去生数当CEO了？那他们CEO去哪儿了 hhh？ (投资圈不应该比我更八卦才对么hhh)
deepseek最大的亮点是什么？
为什么推理能力强？数据是怎么造出来的？
怎么跟技术人员沟通交流，跟哪些人交流？
有没有产品经历？
有没有跟海外企业的交流？
有没有创业打算？
想来高瓴学什么，技术还是技术+商业？
二面（挂）
10-15min Presentation+15-20min 面试
Presentation题目：请推荐一个华人团队的AI产品公司或者AI技术公司（可以从团队、技术方向、产品体验等方面推荐），制作简短的PPT进行展示
分析：个人认为他们更想要博士即将毕业，对AI专业十分了解但毕业后想转去高投资的那些人，而不是我这种徘徊在技术和商业之间的能不能毕业都未知的研究生（其实当时是对GL有点慕强，且刚停止家教，想找个工作挣点外快去见对象）。
海外
MATS (Anthropic)
不是 Anthropic，是 MATS 项目里 Anthropic 的 mentors 发起的 coding screen。不是Leetcode算法题，而是一个小的工程项目。项目一般是要实现一个系统（一个类）的功能（类的属性及方法），只涉及逻辑上的，不会涉及具体的前后端，也就是说只要有 Python 编程基础即可（MATS的 coding screen 只允许 Python），无需掌握特定领域的知识（不涉及第三方库的使用）。
我参加过两次（因为第一次信息上传有误，所以重新申请了一次），第一次是写一个员工管理系统，第二次是写一个银行账户管理系统，大同小异。这里我以银行账户管理系统为例进行介绍。
限时 1.5h 的 coding screen 分为4个 level，每一个 level 需要用到前面 level 的内容，也就是一步一步实现整个系统，难度依次递增。
Level I
- 内容
- 实现账户注册
def register - 实现存钱
def deposit - 实现转钱
def transfer
- 实现账户注册
- 分析
- 首先要设置一个实例属性
self.account: dict，键为账户id，值为账户信息，例如：self.account[account_id] = {"balance": 0, "income": 0, "withdraw": 0, "pay": []} - 账户注册就是往
self.account里加元素 - 存钱就是
balance += amount - 转钱要注意留存一下支出记录，也就是转钱账户的
withdraw += amount
- 首先要设置一个实例属性
- 内容
Level II
- 内容
- 实现支出最多的账户的获取
def top_spenders：返回列表，每个元素是字符串"account_id(withdraw)"，按支出从大到小排序，如果支出相同，按字母表顺序排序
- 实现支出最多的账户的获取
- 分析
首先获取一个列表accounts = [{"id": account, **info} for account, info in self.account.items()]
然后对accounts进行排序：accounts.sort(key=lambda x: (-x["balance"], x["id"]))
- 内容
Level III
- 内容
- 实现支付
def pay：支付后的24小时后，银行会按支出的2%返钱给账户 - 实现支付状态查询
def get_payment_status
- 实现支付
- 分析
- 这里有一个动态的逻辑，就是返钱的操作不是立即生效的，所以要在任何操作之前查询一下账户状态。例如在每次支付前，要看看余额是否大于要支出的金额，而查询余额时又要考虑上一次支出后银行的返现是否已经到账。根据上述分析，要先实现一个状态查询的功能。
- 首先我们规定，每一次支出都要有记录，例如：
self.account[account_id]["pay"] = {"payment_id": "payment_1", "amount": 200, "start": 4, "cashback": False}
这里start指的是支出操作发生时的timestamp，单位为毫秒，cashback是银行返现的状态。每次查询状态时，要看当前的时间戳与支付时的时间戳之差是否大于24小时，然后决定是否往账户里打钱。 - 支付不再赘述
- 内容
Level IV
- 内容
- 实现账户合并
- 实现余额查询
- 分析
- 都很简单，但是手慢，第二个函数没写完
- 内容
得分技巧与注意事项：
- 具体功能可以先不实现，先把特殊情况处理掉，如
if account_id not in self.account: return None这种情况，能够cover很多测例了； - 测例通过数跟最终得分没有必然联系。例如我前三个level满分，第四个level得分800/1000，但最终得分为520（分数范围为 200~600）。这与 CodeSignal 的评价体系有关，具体见官网说明。