面试

依旧字节seed面经，需要自取，不需要的看个乐呵！ 秋招加油！

我这个bg不知道为什么能被hr和业务捞起来面，想了一整晚也没想明白。第一次面字节就是Seed，没有想象的压力，全程是一种技术交流的心态。 流程： -简单自我介绍 -针对我的八股：为什么学这个专业？套公式回答 -实习拷打：2中厂后训练+1 research岗Agent+RAG（offsite，改了下时间线） 1. 问之前的业务线，整个业务的pipeline，项目怎么给公司带来盈利？ 2.sft到什么程度在做RL？ 3.0.5h对数据层面提出很多疑问，面下来对cot数据制作部分比较感兴趣（sft里加了个loss惩罚，放了个钩子） CoT数据，preference数据，trajectory数据，tool-use数据，failure case数据 4.DPO，PPO，GRPO等时间线八股 -skill，memory，harness -Agentic RL了解 /场景题：风控场景中人都无法进行判断的诈骗，如果让大模型完成任务？ - 论文提问（first author，under review，约等于没有） 1篇传统NLP，3月投 1篇Agent相关，5月投 2篇都是通过堆图片速成的，面试官对文章提出质疑+给出一点建议 总结： 总的来讲不算难，较基础。对 RL 基础的考察比较深入，仅停留在背诵结论的层面不太够，最好能够从公式，优化目标和实际训练过程出发进行解释。 Agent 相关的问题相对较浅，考察对 skill、memory、harness等技术的基本了解，怎么vibe coding的，没有过度深入具体实现细节。 数据是面试官最关注的方向之一，这一点在我近期参加的多场大模型相关面试中都是重点。我认为一方面，数据质量直接影响整个训练 pipeline 的效果；另一方面，团队目前可能有较强的业务落地需求，作为一个实习生，实际工作中应该会涉及较多数据构造和处理任务。 一天后挂。让我去Seed洗数据我也愿意

试官人都超好。 4.17 周五一面，周一约4.21二面，隔天约4.27hr面，第二天电话oc，流程非常快，可惜商讨后方向略有分歧，最终拒掉了。我还是爱东哥的。 字节： Seed具身人才暑期 4.16一面，4.21横向挂 最奇怪的面试，因为我听说4月之后已经不招27届暑期实习生，官网jd也明确写28届以后。 hr约面前说组内分部门，问我意向部门有哪些，我明确拒绝了其中两个部门。 面试过程非常顺利，相谈甚欢，都聊到实习时长和入职时间和我想做的事情了，直到面试官开始谈组内业务，正好是我拒绝的两个部门之一……我当场表示抵触，最后手撕都没有，果不其然横向挂。 我的简历被挂之后被莫名捞了起来，让我去面ai agent。最后拒掉了面试。 简历挂/泡池子： 字节： 多模态世界模型暑期实习、机器人大模型日常实习。cv和多模态topseed选手的战场，凡人勿入。

二面也主要拷打项目。 问了些项目中的训练方面的细节，有没有接触过stf，RL训练等等。 还问了个场景题：如果让你去训练Doubao的专业输出能力，会怎么做 最后没有考代码。周五面试，今天发三面通知

面试主要让我自己选一个项目来介绍，由于我这个是后训练的，所以我就讲的一个Agent RL的科研经历 整体面试比较偏压力面，面试官一直在拷打，但整体是针对科研的细节和idea，没有工程上的提问。 代码题： 1. 给定正整数n 输出1-n的全排列 2. 关于贝叶斯的一道代码题 二编：没有已发表的顶会论文

这是 SEED 团队探索的核心技术路线之一，核心逻辑： 世界模型：学习环境的动力学模型，预测动作对环境的影响，构建 “想象空间” 强化学习：在想象空间中高效探索，生成优化策略，再迁移到真实环境 核心优势： 大幅提升样本效率：智能体可在 “脑中” 预演，减少真机试错 增强泛化能力：世界模型可学习环境不变量，提升跨场景适应力 降低 Sim2Real 成本：模型学习的是抽象动力学，而非具体环境参数 GR-RL 中融入世界模型思想：通过轻量级预测器捕捉环境变化，提升策略鲁棒性 欢迎大家评论区和群里交流想法 关注我，获取更多大厂面试真题

未来星，具身机器人部门。一面无手撕，一面后挂 字节seed ，机器人多模态研究员。一面无手撕，一面后挂

不愧是字节seed，我这个小菜鸡果然被狠狠拒绝了面试没有刁难的问题，一直在问之前那篇关于数据生成的工作，还有对于原来那篇工作的延伸思考，有没有可以改进的地方，有没有应用到困难任务的前景，最后是手撕一道简单的算法题（虽然简单但我还没做出来，一道关于栈的使用的题目，属于很简单的） 虽然面试并没有遇到棘手的问题，也都回答上来了，但还是被挂了，感觉bar还是很高的。 整个面试流程效率很高第一天中午投递的申请，第二天就约面试了。然后面试那天下午面完，晚上就发邮件被拒了 本人bg：本硕双九，研二在读，一篇一区在投（机器人模仿学习相关），无实习经历

12月面了字节seed，分享分享 1️⃣简短的自我介绍 2️⃣基础知识问答——八股 1. 详细描述，如果给一个txt存储的文本，从预处理到SFT的训练流程，要包括对数据的预处理、tokenize、forward、loss计算、参数更新，越细越好 2. tokenizer怎么做的，有哪些tokenizer的实现方式 3. embedding怎么做的，从id到embedding有哪些实现方式 4. transformer八股 transformer的forward计算包含哪些部件 如何解决梯度消失和梯度爆炸的 非线性由什么来提供 3️⃣项目经历 1. 介绍自己最熟悉的一个项目，项目中做了什么 2. 一些对项目细节的提问 3. 这个项目的意义 4. 后续打算做什么 4️⃣手撕：用numpy，写MHA 5️⃣反问环节 听说字节seed进面门槛是2A，随意从内推网投递属实是没想到自己能进面，匆忙准备，甚至没背八股，猝不及防了🏳️