小红书 大模型算法面经（笔试（机考）、一面、二面、HR面与反问）

秋招 · 2026-10 · 来源 牛客

聚焦内容社区场景下的多模态理解、生成式排序、模型工程落地与AB实验驱动的迭代闭环，强调数据-模型-评测-线上反馈的全链路归因能力

• 笔试（机考） · 手撕：对互动数据按加权热度降序排序后去重（保留首次出现），输出前N篇不同笔记
• 笔试（机考） · 场景：设计图文匹配特征：判断一条评论最可能归属哪篇笔记
• 笔试（机考） · 场景：在生成式排序中引入时间衰减因子，设计可解释、可消融的打分公式
• 笔试（机考） · 八股：多模态特征融合策略选择：早期融合 vs 晚期融合 vs 中间融合的适用场景与trade-off
• 笔试（机考） · 开放：如何系统性识别和处理题目中的隐含边界条件与异常输入
• 一面 · 场景：多模态模型训练和上线阶段分别如何处理图文不一致样本
• 一面 · 场景：内容理解任务中类别极多但标注稀缺，如何缓解数据瓶颈
• 一面 · 场景：长文本分类时选择截断还是摘要，从信息保留、计算开销、下游任务适配角度分析
• 一面 · 八股：LoRA原理及与全量微调的选型依据（参数效率、显存、收敛性、泛化性）
• 一面 · 手撕：显存溢出时的5种典型应对策略（梯度检查点、混合精度、ZeRO、FlashAttention、Offload等）
• 一面 · 项目：训练过最大规模模型的分布式架构设计（如TP/PP/DP组合、通信优化、checkpoint策略）
• 一面 · 八股：过拟合的诊断信号（训练/验证loss曲线、指标分化、OOD泛化下降）与治理手段（正则化、早停、数据增强、标签平滑）
• 一面 · 场景：模型上线后出现'答非所问'反馈，构建端到端归因链（日志、中间态、评测集回溯、bad case聚类）
• 一面 · 场景：数据漂移的在线监测方法（统计分布KS检验、嵌入层相似度、关键特征偏移告警）
• 二面 · 场景：推荐系统核心指标下跌，从数据、特征、模型、服务、AB实验五个环节定位根因
• 二面 · 场景：召回与排序模块的协同优化路径：优先优化哪一环？依据是什么？
• 二面 · 场景：新用户与新内容双冷启动的解决方案（向量初始化、迁移学习、图神经网络、元学习）
• 二面 · 场景：AB实验设计要点（随机单元、样本量估算、指标体系、冲突指标仲裁机制）
• 二面 · 八股：特征穿越的定义、典型成因（时间戳错误、离线特征泄露）及防御方案（特征版本快照、时间窗口约束）
• 二面 · 场景：离线训练与在线服务特征不一致的对齐方法（特征平台统一供给、在线特征计算复用、影子流量校验）
• 二面 · 场景：生成内容质量评估体系搭建：人工评估标准设计与自动评估指标（BERTScore、FactScore、多样性/安全性指标）协同机制
• 二面 · 场景：多目标排序的融合策略（加权求和、帕累托前沿、多任务学习、强化学习reward shaping）及权重确定方法
• 二面 · 开放：复盘一次失败的模型迭代，说明问题根源、归因过程与改进后的验证方式
• HR面与反问 · HR：求职动机与业务理解深度（需体现对内容社区AI价值的认知）
• HR面与反问 · HR：期望的团队协作模式与技术文化偏好
• HR面与反问 · 开放：反问：团队模型迭代节奏与评测基建成熟度
• HR面与反问 · 开放：反问：算法与工程在模型交付全流程中的协作机制
• HR面与反问 · 开放：多任务并行时的优先级决策框架（ROI、紧急度、依赖关系、长期影响）