校招 未知部门 / 算法 / 一面/二面

<h2>小米-多模态算法工程师 面经（一二面）</h2> <p>当时一二面流程很紧凑，没有分开记录，每面大约50min。总的来说很友好，面试体验也不错，不会的不太逼问，主要根据你的简历和jd进行提问。</p><p>虽然流程很快但是offer反馈比较慢，应该是同时面多个在排序。后面时间不合适就没去。</p><h3><span>惯例：互相介绍</span></h3><p><span>自我介绍2min，之后面试官介绍自己的团队在做什么</span></p><h3><span>深挖项目</span></h3><ul><li><span>介绍你做的某课题的pipeline、为什么要这样设计改进（就是问创新点）</span></li><li><span>在xx项目中，如何解决遮挡导致的视角歧义问题？</span></li><li><span>对比过不同3D表征方式对多模态融合的影响吗？</span></li><li><span>若加入雷达点云作为第三模态，会如何调整对齐策略？</span></li><li><span>loss函数介绍+写出</span></li></ul><h3><span>基本算法八股</span></h3><ul><li>看你做过bert，介绍一下bert,transformer</li><li>transformer和之前的模型相比，为什么有这么大的提升？</li><li><span>在视觉Transformer中，如何处理非均匀采样的3D点云数据？（可谈Patch Embedding改进）</span></li><li><span>自注意力和注意力的区别？注意力的KQV分别是？叙述自注意力流程</span></li><li><span>写一下自注意力的代码/过程</span></li><li><span>你是如何设计跨模态注意力机制？举例说明</span></li></ul><h3>JD相关</h3><ul><li><span>描述一个文生图的模型框架？</span></li><li><span>文生3D任务中，如何将Stable Diffusion的输出与NeRF/SDF等3D重建方法结合？</span></li><li><span>视频生成场景下，时序信息对齐与空间对齐哪个更重要？为什么？</span></li><li><span>对于3D语义分割任务，MIoU与Chamfer Distance如何取舍？</span></li><li><span>写一下MIOU的公式</span></li></ul><h3>手撕</h3><p><span><span>LeetCode 244</span></span><span>(哈希设计)</span></p><p><span><span>LeetCode 347</span></span><span>(TopK问题)</span></p><h3><span>其他提问及反问</span></h3><p><span>实习时间，需要长期实习</span></p><p><span>除了做科研训练，是否做过多卡训练，是否做过服务器优化，在工程侧的优势是？</span></p><p><span>团队可以带给实习生/校招生的培养和资源</span></p><a>#秋招#</a><a>#面经#</a><a>#算法#</a><a>#小米#</a><a>#暑期实习#</a>