淘天大模型岗一面

30分钟速通，纯项目无八股。1.投机解码？大小模型怎么做选择，微调过吗？2.Cuda算子做了哪些优化？（但是没问具体做了什么优化）3.你的项目中Dense和Moe模型推理实现起来有什么区别？EP？4.在实验室做啥的？这时候过了20分钟，然后给了一道题，挺简单的看完直接说思路。本来想写一下感觉时间不太够就直接口述详细过程了。只开了30分钟的会议，大部分也都答出来了。应该不会凉凉吧

现在准备秋招了，上个星期面了字节和奇绩创坛，前两天面了美团，很快，上午投的，晚上就面了，然后面完发现确实玩了太久了，这博客也好久没更新了，赶紧加班加点学一下噻。那么不说废话了。先讲讲RAG是什么？这个RAG我讲过很多次了，（现在看到这里基本上是3.0版本了，现在的东西就不算速成的内容了，我说过我要写教程，写大众通识的内容，所以要深入浅出完整的讲。） 这个东西本质上算外置大脑，在模型进行给出内容之前先检索再生成。 那么RAG 解决了什么问题或者有什么用？幻觉知识过时（现在一般通过联网解决问题）无法访问私有/特定领域数据那么RAG的核心工作流程是什么？第一阶段：检索在你知识库准备好之后，我们需要对...

✅一面 1．首先是自我介绍和过项目，面试官还一起探讨项目用到的方法，可行性之类的2．介绍一下 CLIP3．了解 LoRA 吗， LoRA 微调的原理是什么4．了解哪些多模态大模型，简要介绍几个5.BLIP的三个损失函数分别是什么，数据是怎样清洗的6.BLIP2相对于 BLIP 有哪些改进，BLIP3又有哪些改进7.Qwen- VL 的三个训练流程分别是什么，有什么作用8．视觉编码器和 LLM 连接时，使用BLIP2中 Q - Former 那种复杂的 Adaptor 好还是 LLaVA 中简单的 MLP 好，说说各自的优缺点9．代码：实现多头自注意力一面比较常规，几乎都是八股问题，我觉得只要了解常见的多模态大模型都问题不大，主要还是要理解各个模型设计的动机是什么，这也是面试最喜欢考察的✅二面1．自我介绍和过项目，简要问了项目中使用某些方法的动机，以及是否会导致其他的问题2．了解 Transformer 吗，编码器和解码器的注意力有什么区别，在计算注意力中时除以 dk \ sqrt { d _ k }\ sqrt [ d _ k ｝的原因是什么3．后来有哪些比较经典的基于 Transformer 的语言模型， Qwen 相比于原始 Transformer 有哪些结构上的改动，Qwen2又有哪些改进4．了解 RLHF 吗， DPO 和 PPO 有什么区别， Loss 是什么样的，各自的优缺点是什么5．介绍一下 CLIP ，还了解什么其他的对比学习方法6．开放题：了解哪些多模态大模型，目前多模态大模型最的问题是什么7．代码：1143．最长公共子序列二面其实也偏常规，几乎也都是八股问题，但是也考察了一些对模型的理解以及知识面的广度，整体来说比一面的难度大一些✅三面：1．自我介绍，然后详细过了一下项目2．了解哪些大模型和多模态大模型，然后就聊了大模型这一路是怎么发展过来的，Transformer 、 BERT 、 GPT 、 LLaMA 、 Qwen ix ,以及当时的o1推理模型3．平常有尝试过训练过大模型吗，规模小一点的也没关系4．聊天，包括职业规划等等三面比较轻松，面试官说知识点前面两面都考察过了，三面就轻松一些，大概40来分钟吧📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

提前批凉经，还好挂了还能投递！ RAG优化RAG评估指标.transformer了解多少有啥优点碰瓷大模型失败！