美团大模型算法岗：两轮面试的完整题单与答法
大模型应用算法工程师（含北斗大模型校招线）
岗位：大模型应用算法工程师（社招线）与北斗大模型（校招线） 轮次：两轮技术面，每轮约 60 分钟 一句话定性：这是一场「原理 + 工程账」双线面试，每个原理题都会追到工程细节，每个工程题都要能算出数字。 素材时间线：2026 年春招季的多场美团大模型面试，整理时间 2026-09-28
0. 一分钟速览
| 项目 | 内容 |
|---|---|
| 公司 / 岗位 | 美团 · 大模型应用算法 / 北斗大模型 |
| 形式 | 两轮技术面，每轮末尾手撕一道 |
| 有手撕吗 | 有。手写带 causal mask 的多头注意力、螺旋矩阵、K 个一组翻转链表 |
| 有八股吗 | 密度高。LoRA、ZeRO、KV Cache、量化、显存估算全考 |
| 考察重心 | 微调原理落到超参与梯度、RAG 全链路、推理部署的算力账 |
| 难度感受 | 一面广而深，二面全是工程估算题，答不上数字很伤 |
| 准备方向 | 把 LoRA、KV Cache、显存估算这三件事练到能手推数字 |
1. 面试流程与时间分配
流程：自我介绍 → 微调原理链 → RAG 链路 → 推理部署与算力 → 手撕 → 反问
| 环节 | 时长 | 面试官在听什么 | 常见失分点 |
|---|---|---|---|
| 微调原理 | 20 min | LoRA、QLoRA、SFT、GRPO 能否落到超参和损失函数 | 只说「低秩分解很省显存」 |
| RAG 链路 | 15 min | chunk 切分、召回优化、GraphRAG 的实际了解 | 背架构图说不出瓶颈定位 |
| 推理部署 | 15 min | 显存估算、量化选择、MoE 算力 | 从来没算过参数量和显存 |
| 手撕 | 10 min | 注意力实现或中等算法题 | causal mask 边界写错 |
2. 追问机制：原理题追到工程，工程题追到数字
美团的两条典型追问链：
LoRA 链：LoRA 原理 → 秩怎么选 → 合并回原模型时梯度有什么问题 → 能不能插在 LayerNorm 后面 → QLoRA 怎么把成本降下来的。
显存链：估算 LLaMA-7B 推理要多少显存 → KV Cache 占多少 → bf16 和 fp16 选哪个 → ZeRO 各阶段省的是什么。
准备方式是把每个高频原理准备成「原理、超参、坑、数字」四件套，第四件套最容易被忽略也最拉差距。
3. 一面：微调原理链
3.1 NLP 与 LLM 的区别（开场题）
问法：「做过 NLP，那 NLP 和 LLM 的区别是什么？」
答题要点：不是罗列任务类型，而是说范式变化：NLP 时代任务定义在数据集上（分类、序列标注各管一段），LLM 时代任务定义在提示词上，预训练加指令微调把任务边界打通了。这个开场题答出层次感，后面的问题质量会明显变高。
3.2 LoRA 全链
问法：「讲讲 LoRA 原理，秩怎么选？合并的时候梯度有什么问题？」
答题要点：ΔW 用 B·A 低秩近似，B 零初始化 A 随机初始化保证起点等价。秩在 8 到 64 间按任务试。合并追问的答法：训练时梯度只流过 B 和 A，如果训练中途合并回 W，冻结的原模型部分没有同步更新，合并时机的选择会影响等价性；推理合并后无法再热切换不同任务的 LoRA，这是部署上的取舍。能否插在 LayerNorm 后：LayerNorm 参数量本来就小、且对分布稳定敏感，插 LoRA 收益有限，常见做法是插在注意力和前馈的权重投影上。
3.3 QLoRA 降本原理
问法：「QLoRA 是怎么把微调成本降下来的？」
答题要点：基座模型量化到 4 位（NF4）冻结，只训练低秩适配器和少量归一化参数；NF4 按正态分布分位数设定量化格点，比均匀量化更贴合权重分布；配合双重量化把量化常数本身的存储也压掉。落点给数字：7B 级模型的微调显存能从几十 GB 压到个位数 GB 量级（具体数值随上下文长度变化）。
3.4 SFT 细节（北斗校招线）
问法：「SFT 的 loss 怎么只算回答部分？」
答题要点：把提示词部分的 label 置为忽略标记（padding 位同样置忽略），交叉熵只在回答 token 上累加。追问会到「SFT 数据规模和清洗怎么做」：规模不是越大越好，去重、去毒、难度分层、和基座能力匹配。
3.5 为什么选 GRPO
问法：「你的项目为什么选 GRPO 而不是 PPO 或 DPO？」
答题要点：PPO 要维护价值网络，显存和稳定性成本高；DPO 依赖离线偏好对，没法对过程做奖励；GRPO 用组内采样的相对优势替代价值网络，同组多个回答互为基线，工程上省一个模型。追问「GRPO 之后怎么防 OOD 崩塌」：KL 约束控制策略偏离参考模型的幅度，配合奖励函数设计避免单一维度被过度利用。
3.6 手撕：带 causal mask 的多头注意力
一面手撕是实现题：手写多头注意力的 causal mask 部分并分析复杂度。三个得分点：mask 上三角置负无穷（softmax 前加）、多头是先把 QKV 按头切分再各自做注意力、整体复杂度 O(n²d)。写错 mask 边界（漏掉对角线）是常见失误。
4. 二面：RAG 链路 + 算力账
4.1 RAG 全链路与瓶颈
问法：「讲讲 RAG 全链路，chunk 怎么切？瓶颈在哪，Recall 怎么提？」
答题要点：链路按「解析 → 切分 → 向量化 → 召回 → 重排 → 生成」说，每层一句要点。瓶颈定位用分层指标：Hit@K 低先查切分和 Embedding，MRR 低查重排。提升 Recall 的手段按顺序给：查询改写补语义、假设性问题增强、混合检索（向量加 BM25，精确词靠关键词）、重排模型精排。只答「换个更好的 Embedding 模型」会被认为没实操过。
4.2 GraphRAG 难点与增量更新
问法：「GraphRAG 的难点？增量更新怎么做？」
答题要点：难点在实体抽取的一致性和图构建成本，查询时多跳遍历的延迟控制。增量更新：新文档进来只跑增量实体的抽取和对齐（实体消歧），别全量重建图；同时要处理新旧文档分布不一致带来的检索偏差，版本化索引加灰度切换。
4.3 量化选择与分布拟合
问法：「NF4 和 FP16 怎么选？NF4 的分布拟合是什么逻辑？」
答题要点：权重通常近似正态分布，NF4 的量化格点按正态分位数分布，中间密两头疏，同比特数下量化误差更小；FP16 用于训练和关键路径计算，NF4 用于存储冻结参数。这题是 QLoRA 的延伸，两题连着考是美团的特点。
4.4 显存与算力估算（必考）
问法：「估算 LLaMA-7B 推理要多少显存。」「235B 的 MoE 模型训练要多少算力？」
答题要点给方法而不是背数字：权重显存等于参数量乘以每参数字节数（fp16 每参数 2 字节，7B 约 14 GB），加 KV Cache（随批大小和上下文长度线性涨），加激活值。MoE 算力估算先确认激活参数量和总参数量的区别，再按 token 数、激活参数量、每次前向 FLOPs 系数估算，最后除以集群有效算力。答不出「参数量乘字节数」这第一步，这题就归零。
4.5 架构对比与模型演进
问法：「Prefix、Causal、Encoder-Decoder 三种架构的区别？」「Qwen 和 DeepSeek 的创新点？」
答题要点：Prefix LM 注意力能看见前缀双向、Causal 全单向、Encoder-Decoder 编码双向解码单向；模型演进答 RoPE 外推特性的改进路线和 MoE 的负载均衡设计，要点到为止，别展开成论文复述。
4.6 手撕
二面手撕是螺旋矩阵（LeetCode 54），北斗线出现过K 个一组翻转链表（LeetCode 25）和二叉树层序遍历（LeetCode 102）。难度稳定在中等，链表和 DP 类出现频率高。
5. 复盘与准备清单
- 训练侧八股要落到数字：秩的范围、参数量乘字节数、KV Cache 的增长因子，这些数字级的答案在美团面试里是硬通货。
- RAG 准备按「链路分层 + 每层一个瓶颈 case + 一个优化数字」组装，能应对从一面到二面的全部 RAG 追问。
- 手撕会出现实现题（手写注意力），不只是 LeetCode 原题，注意力的 mask 和头切分要能手写。
- 有候选人在两轮里被重复考到 ZeRO 与 FSDP 的对比，重复考点说明面试官在验证真实性，前后答案要一致。
相关题目：站内题库的「LoRA 的秩怎么选」「KV Cache 为什么省显存」「GRPO 和 PPO 的区别」「RAG 怎么评估」都对应这场面试的原题。