第3章 面试评分表解析与自我评估：评分维度、权重、常见扣分点
面试评分表是面试官手中的“打分地图”，也是你自我诊断的核心工具。大厂算法实习生面试通常从6个维度综合评估，权重各有侧重。掌握评分体系，能帮你精准定位优势与短板，让备战有标可依、有迹可循。
面试评分维度详解
| 评分维度 | 权重 | 考察核心 | 常见扣分点 | 高分特征 |
|---|---|---|---|---|
| 算法与数据结构 | 25% | 核心算法掌握、代码实现速度与正确性 | 边界条件遗漏、复杂度分析错误、暴力解无优化 | 最优解 + 清晰复杂度分析 + 多解法对比 |
| 机器学习/深度学习 | 25% | 模型原理、公式推导、大模型基础 | Transformer结构不清、RLHF流程混淆、梯度推导卡壳 | 公式推导流畅 + 能讲清细节 + 有实际调参经验 |
| 项目经验与实战 | 20% | 技术深度、业务理解、问题解决闭环 | 只讲做了什么不讲为什么、缺乏困难与反思、数据规模不清 | STAR表达清晰 + 有量化指标 + 能说出优化方向 |
| 编程能力与代码 | 15% | 代码风格、工程规范、Debug能力 | 命名随意、无注释、未考虑异常输入、不主动测试 | 命名规范 + 结构清晰 + 主动测试边界 + 代码可读性强 |
| 沟通表达与思维 | 10% | 逻辑条理、技术表达、互动质量 | 回答跑题、自说自话、缺乏结构、听不懂追问 | 分点作答 + 与面试官确认对齐 + 追问后快速调整 |
| 动机与岗位匹配度 | 5% | 对岗位的热情、稳定性、文化契合 | 对业务不了解、动机空洞、缺乏准备 | 能说出具体兴趣点 + 有相关积累 + 展现成长意愿 |
📌 面试问题 1
请根据大厂算法实习生面试评分表，分析你在“项目经验”维度上的表现，并给自己打分。
- 表明对标意识——“我了解项目经验维度占20%，侧重技术深度与业务闭环。”
- 分项自评+证据——“数据构建和数据增强方面扎实（8分），但在工业级部署上缺乏经验（5分）。”
- 综合打分+改进方向——“综合自评7分，后续计划补充模型服务化部署实践。”
我了解项目经验维度占20%，侧重技术深度与业务闭环。我主导的LLM微调项目在数据构建和效果评估上较扎实，但缺乏工业级部署经验，自评7分。后续计划补充模型服务化部署，完善工程化能力。
你提到的项目在哪些方面可以做得更好？如果重新做，数据构建和模型训练上会怎么改进？
避免自评过高（如9-10分）或过低（如3-4分），要用具体量化指标（如数据量、效果提升百分比）支撑评分，展现客观复盘能力而非单纯谦虚或自信。
📌 面试问题 2
在“理论基础”维度上，你认为大模型方向面试官最可能扣分的知识点有哪些？请举例说明。
- 列出高频扣分点——“Transformer结构细节、RLHF原理、参数高效微调方法。”
- 解释易扣分原因——“理论复杂且实践门槛高，面试官常追问公式推导。”
- 展示自己的掌握情况——“我精读了原始并手撕了注意力机制代码，对LoRA有实际应用。”
- 指出待加强项——“RLHF数学推导仍需强化，正在重点攻克PPO算法。”
Transformer结构、RLHF原理、参数高效微调是三大扣分点。我精读了原始并手撕了注意力机制代码，对LoRA有实际应用经验；但在RLHF数学推导上仍有欠缺，后续将重点强化PPO算法推导和reward model设计。
你能具体说说Transformer中QKV的计算过程吗？LoRA的秩如何选择？RLHF中的PPO与标准PPO有什么区别？
不要只罗列知识点名称而不展示深度——每提到一个技术点，都要准备好手撕关键公式或流程图，否则会被认为是“简历驱动”而非“能力驱动”。
📌 面试问题 3
在算法题环节，哪些细节最容易被扣分？你平时如何训练来避免这些扣分点？
- 列举高频扣分细节——“边界条件遗漏、复杂度分析缺失、代码风格混乱。”
- 说明扣分原因——“面试官认为这些反映工程素养不足。”
- 给出规避方法——“写前明确输入输出边界，写后主动分析复杂度，用清晰命名和注释。”
- 举例说明训练习惯——“每次刷题后都做复盘 checklist，对照扣分点自查。”
边界条件遗漏、复杂度分析缺失、代码风格混乱是三大扣分点。我的策略是：写前与面试官确认边界，写中保持命名规范与结构清晰，写后主动分析时空复杂度并举实例验证。每次刷题后都用扣分checklist复盘，形成肌肉记忆。
如果输入数据量达到百万级别，你的算法会有什么问题？如何优化？请现场分析你刚才写的代码的复杂度。
不要只追求“通过测试用例”而忽视代码质量。面试官看的不只是结果，更是思考过程和工程习惯——命名规范、边界处理、复杂度分析，每一项都可能是隐性评分项。