Bg双非本港五硕，本科软工硕数分，26届毕业。想请问大佬们，目标大厂or中厂，今年秋招走java后端还是大模型岗好？本科是想着走后端的，毕竟后端还是岗多，相对好进。而且我也知道自己这个学历是不敢高攀大模型啊、算法岗一类的。但是港硕读了ds，发现课程内容和项目基本都是深度学习相关，一些小组项目和llm直接相关，感觉拿来包装包装，写在简历上大模型岗的要求相关性很高。现在很纠结，请大佬们指点。想知道自己这个学历能不能够到大模型岗？亦或是没必要？不行的话就老实准备后端了。

📍面试公司：快手💻面试岗位：如题❓面试问题：1、自我介绍2、为什么要做这款工具？需求是什么？3、如何验证你的工作满足了需求？4、如何评判模型输出的内容达到了预期的效果？如何量化？5、指标是怎么设计的？6、反问🙌面试感想：比较注重思考的逻辑性和深度，很注重数据指标方面的设计（可能做模型相关的业务都注重评测指标），面试官小姐姐人很好，反问环节我提问我的改进之处一针见血指出了我的问题（面的过程中我也感觉到了），总体来说面试体验很好，就是准备的不充分15min秒结束了 太可惜了，这个业务方向我还是很感兴趣的

字节：n*15，大flow下的非seed、非小flow部门，大模型代码智能体方向，工作强度未知（hr说1095，但hr说的无法验证置信度）。优点是字节title最高，且住房补贴1500+包三餐；缺点是包最小。美团：(n+2)*15.5，基础研发下面的组，业务通用智能体方向，工作强度有一些。优点是title较高，包比字节大；缺点是福利少，字节的包算上房补和三餐其实和美团差不多。滴滴：(n+3)*15，核心大模型组，业务通用智能体方向，工作强度未知（hr说在互联网算轻松的，但hr说的无法验证置信度）。优点是包比字节大；缺点是title和字节百度比差一点。百度：(n+1)*16，大搜，做deep research，工作强度未知。优点是包比字节大；缺点是听说大搜部门常年系数*0.8，正常绩效拿不满。希望各位牛友慷慨发表见解      

LORA 原理：解释 LORA(Low-RankAdaptation)的核心思想，如何通过低秩矩阵实现参数高效微调?数学形式如何表达?Self-Attention机制：自注意力机制中 O/K/ 矩阵的作用是什么?如何通过缩放点积计算注意力权重?公式推导并解释Softmax 的意义。位置编码：Transformer为何需要位置编码?主流 LLM(如 LLaMA、GPT)使用哪种位置编码(如 ROPE)?相比绝对/相对位置编码有何优势?Seq2Seg 模型：Seq2Seq模型的核心组件是什么?Encoder-Decoder结构如何解决长程依赖问题?RAG技术：RAG(检索增强生成)的完整链路包含哪...