是时候准备面试和实习了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

• 《大模型面试宝典》(2026版) 正式发布！

喜欢本文记得收藏、关注、点赞。

最近一星球小伙伴跟我聊天，拿到了智谱多模态算法岗 Offer。整个面试过程非常快，两轮技术面加上一轮HR面，三周拿到Offer，效率非常快。

今天我给大家梳理出来这家公司的薪资结构、工作强度等信息，顺便分享这位小伙伴的技术面经。

岗位信息

岗位：质谱-AI院-多模态算法工程师

工作地点：北京海淀区

薪资情况

• 月薪 × 16 薪（12个月固定 + 4个月年终）；

• 股票/期权（3～4年归属，资深/博士标配）；

• 福利：六险一金、餐补、算力资源；

工作1～3 年：

• Base：40～60K /月 × 16 薪

• 年终奖：2～4 个月

工作3～5 年资深（带队/核心项目/顶会一作）：

• 总包 100～150 万

• Base：60～90K / 月 × 16 薪

• 绩效奖金 + 期权

工作强度

智谱在多模态领域有CogView、CogVideo、GLM-Image 等行业标杆项目，公司节奏偏快，强度中等偏上。

日常 11 点到，晚上 10 点左右走，周末偶尔需要加班。

论文投稿、版本发布期间会有冲刺，会比较累。

不搞无效加班，看成果和产出，技术氛围很强，薪资和成长都在行业第一梯队。

一面

1. 自我介绍

2. 你认为你最有代表性的一个项目是什么？解决了什么核心问题？

3. 你这个项目生成模型是什么？属于哪一类（Diffusion / Autoregressive / GAN）？为什么这么选？

4. 项目中的核心技术难点是什么？你是如何解决的？

5. 模型效果是如何评估的？用到了哪些指标？

6. 你是否做过模型对齐？如何提升生成质量？

7. 如何解决文本和图像语义对齐问题？

8. 训练数据是如何构建的？有没有做数据清洗或 filtering？

9. 你训练模型时遇到过 OOM 吗？怎么解决？

10. 你是否做过分布式训练？用的什么框架（DeepSpeed / Megatron）？

11. Megatron / DeepSpeed 的核心优化点是什么？ZeRO 1/2/3 区别？

12. 文生图服务如何做到低延迟？如何设计一个高并发生成服务？

13. diffusion model 的基本原理、DDPM 和 DDIM 的区别

14. CLIP 的训练目标是什么？为什么有效？BLIP / Flamingo / GPT-4V 这类模型的核心结构是什么？cross-attention 在多模态中的作用

15. 如何优化 diffusion 推理速度？（减少 step / distillation）

16. 你最近关注的多模态论文有哪些？

17. 代码题：给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那两个整数，并返回它们的数组下标。要求：时间复杂度需优于 O(n2)，空间复杂度可接受 O(n)。

二面

1. 请介绍你做过的一个最有价值的多模态生成项目

2. 你项目中的模型整体架构是怎样的？

3. 条件控制（text/image/layout）是如何注入模型的？

4. 训练过程中 loss 不收敛的常见原因有哪些？你遇到过哪种？

5. 你如何做 batch size scaling？是否用过 gradient accumulation？

6. 数据分布不均（长尾问题）如何影响生成模型？

7. 多模态数据（图文对）如何构建高质量数据集？

8. 数据去重（dedup）为什么重要？如何实现？

9. 弱监督 / 伪标签 在你项目中的作用？

10. 生成结果模糊/崩坏，你如何定位问题？

11. 如何判断是数据问题还是模型问题？

12. 训练过程中 loss 正常但生成很差，可能原因？

13. diffusion 中 ε-prediction、v-prediction 区别

14. 为什么 v-prediction 在大模型中更稳定？

15. 为什么 transformer 适合做多模态生成？attention 计算复杂度如何优化？flash attention 原理

16. 视频生成相比图像生成最大的难点是什么？

17. 代码题：给你一个链表，每 k 个节点一组进行翻转，请你返回翻转后的链表。k 是一个正整数，它的值小于或等于链表的长度。如果节点总数不是 k 的整数倍，那么请将最后剩余的节点保持原有顺序。要求：仅使用常量额外空间，即空间复杂度为 O(1)