字节 暑期实习 多模态算法 (二面凉经)
一面 2024/3/28 下午17:00-18:00
1.上来没有自我介绍
2.直接介绍NeurIPS论文，中间穿插着一些提问
3.说一下Transformer的整体结构
4.了解有哪些位置编码方式吗
5.说一下LLaMA中的旋转位置编码
6.算法题：经典的求平方根，牛顿迭代法秒了
7.算法题：判断一个字符串能否由另一个字符串旋转而来，比如abcd旋转后可以变成dabc或者bcda等，写完后面试官要求O(1)，临时没想出来
8.详细说了快手的用户推荐算法实习，主要做了些什么
9.你的NeurIPS论文能和推荐那边结合起来吗
10.NeurIPS中论文中有没有考虑事件本身的一些属性，或者动态性什么的，我说后续有在考虑做这个
11.让我说说后续打算怎么做动态性的一些东西
12.聊聊你本科做的负荷预测，说了下背景，输入输出，还有常见的模型
二面 2024 4/8 下午17:00-17:50
1.自我介绍
2.详细介绍快手实习，中间穿插了十来个问题
3.介绍论文
4.ransformer的多头注意力机制
5.算法题：BFS求岛屿数量
6.算法题：回文子串的一个题，dp
7.反问环节
饿了么 暑期实习 AIGC 一面KPI凉经
一面 2024/3/28 上午10:30-11:10
1.自我介绍
2.介绍了快手推荐实习
3.推荐的全链路过程
4.介绍了NeurIPS的论文
5.介绍了本科做的一个App
6.你对AIGC和LLM了解哪些？说了一下自学的东西
7.你对AGI怎么看？你觉得照目前趋势发展下去，能达到AGI吗？结合人类意识还有人脑答了一波
8.你有做过大模型的预训练过程啥的吗？有没有上手过？
9.说一下Transformer中的attention具体原理，以及为什么这么做
10.说一下LLM训练的整体过程
11.介绍一下RLHF
12.介绍一下DDPM的原理
13.了解NLP的大致发展流程吗
14.你是经常用torch吧，说一下你最近遇到的一个bug以及如何处理的
15.说一下torch中常见的损失函数
16.建议我了解一下LLM Agent，听到这里其实就已经知道要凉凉了
17反问环节：部门里主要是做些什么？
感觉是KPI面，面试完后官网马上就被挂了
山水比德AIGC凉经
1.自我介绍
2.针对外景设计AI设计有哪些方案？
3.项目相关对公司的应用有什么帮助？
4.反问
主要还是做应用端，没有太深的技术要求，面试官人挺好的，hr和技术一起，但是貌似有预算预期，处于可有可无的业务线，感觉。
网易 伏羲 大模型算法实习 二面 速通
26分钟速通，感觉面试官是个主管
1.自我介绍
2.拷打第一个项目，我的是一个RAG的项目，让我讲了一遍，然后问我团队分工、哪种优化方式提升指标最多？
3.拷打第二个项目，我的是一个论文项目，直接祭出共享屏幕讲论文的连招，讲完没怎么问问题
4.反问，我再问一遍部门做什么业务的，又说了一遍做智能npc的，鼠鼠连忙表现出巨大的兴趣
5.问我到岗时间、实习时长这种的，我祭出祖传话术；问我有没有面其他的，我说有小厂offer但是优先来这里实习这种话术，然后问我为什么优先，我把网易好一顿夸；最后问我到岗时间能不能提前，说到岗时间会作为排序的依据，鼠鼠赶紧改口说两周到岗
整体感觉没问到啥技术问题，也没做算法题，应该是个主管，不太懂技术，不过人挺好的
好未来大模型面经
-
自我介绍
-
项目，具体模块细节
-
手撕组合总和，且无重复
-
解码策略，比如贪心算法、随机采样等，鼠鼠没答出来
-
T5模型和Bert区别（项目有用T5模型）、self-attention
-
大模型RAG
-
llama具体结构
-
RLHF技术
-
微调过大模型吗？讲一讲
面试体验蛮好的
已oc
网易 伏羲 大模型算法实习 一面面经
全程36分钟
1.自我介绍
2.拷打第一个项目，我的是一个论文项目，直接共享屏幕开讲，讲完面试官提了几个问题，主要是情绪流建模的必要性、为什么模型不和chatgpt比等
3.拷打第二个项目，我的是一个RAG的项目，我先详细讲了一下，然后开始问问题，第一个问了数据集构建的细节，第二个问了假如说想提高模型问答的效果，需要从那几个方面提升？
4.场景题，第一个问了对话场景中假如说用户问了一个问题，如何更好的识别用户的意图？第二个问了假如说想构建一个个性可以随意切换的问答系统，该如何设计系统？鼠鼠分别答了自己的理解，面试官又追问了几次
5.反问，问了部门做什么业务的，说是跟雷火那边合作，做智能NPC的
没有算法题和八股，场景题偏多，更看重自由发挥；总体来说面试官人挺好，但是感觉看着不是很缺人的样子，鼠鼠的一面怕是凶多吉少 这段时间有点摆，没怎么面，略感生疏了
如何系统的去学习大模型LLM ？
作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~
👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享]👈
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
阶段1：AI大模型时代的基础理解
- 目标：了解AI大模型的基本概念、发展历程和核心原理。
- 内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践 - L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
- 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
- 内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例 - L2.2 Prompt框架
- L2.2.1 什么是Prompt
- L2.2.2 Prompt框架应用现状
- L2.2.3 基于GPTAS的Prompt框架
- L2.2.4 Prompt框架与Thought
- L2.2.5 Prompt框架与提示词 - L2.3 流水线工程
- L2.3.1 流水线工程的概念
- L2.3.2 流水线工程的优点
- L2.3.3 流水线工程的应用 - L2.4 总结与展望
- L2.1 API接口
阶段3：AI大模型应用架构实践
- 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
- 内容：
- L3.1 Agent模型框架
- L3.1.1 Agent模型框架的设计理念
- L3.1.2 Agent模型框架的核心组件
- L3.1.3 Agent模型框架的实现细节 - L3.2 MetaGPT
- L3.2.1 MetaGPT的基本概念
- L3.2.2 MetaGPT的工作原理
- L3.2.3 MetaGPT的应用场景 - L3.3 ChatGLM
- L3.3.1 ChatGLM的特点
- L3.3.2 ChatGLM的开发环境
- L3.3.3 ChatGLM的使用示例 - L3.4 LLAMA
- L3.4.1 LLAMA的特点
- L3.4.2 LLAMA的开发环境
- L3.4.3 LLAMA的使用示例 - L3.5 其他大模型介绍
- L3.1 Agent模型框架
阶段4：AI大模型私有化部署
- 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
- 内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
学习计划：
- 阶段1：1-2个月，建立AI大模型的基础知识体系。
- 阶段2：2-3个月，专注于API应用开发能力的提升。
- 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
- 阶段4：4-5个月，专注于高级模型的应用和部署。
这份完整版的所有 ⚡️ 大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~
👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享👈
