大致情况就是  鼠鼠接到了一个关于人工智能微企的电话，过去他们公司那里后，和老板聊了一个小时，然后老板让鼠鼠做他们的   见习生（公司本身应该是正规的，不是外包，通过了我们当地的人才市场的检验，简历也是当时我在人才市场投递的，不过是4月，这个时间点找上我就觉得奇怪老板给我一种       巴不得鼠鼠赶紧去签字的冲动想请教一下各位大佬，这个是有什么新坑吗，说是每个月会给1700的见习生费，之后转正什么的就正常薪资巴拉巴拉的老是感觉那里不对，但鼠鼠确实没见过世面，请问有没有大佬分析一下暂时是计划先去他们的公司体验几天（签字什么的都不签）

✅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 \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大的问题是什么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 这些，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📳**************************************。

想知道各位牛友如何看现在市场上的传统后端开发和“llm应用开发”呢，因为llm应用开发其实市场上做的工作内容参差挺大的，我大致分了几类供参考，如有不对，轻喷1.第一种最接近后端，调大模型api，然后还是搞后端那一套，无奈很多公司喜欢打着这个噱头，其实跟后端无异。2.做agent，核心工作就是prompt，rag，用低代码平台搭工作流、智能体这种，这种去了感觉失业得最快。3.搞微调，这种门槛也不是很高，但比第二种好多了，涉及模型微调、指标评估、造数据啥的。4.预训练，这种都是算法招进去的，门槛有点高，感觉危机感没那么高，虽然说也是搞数据清洗的多。5.模型压缩、推理加速啥的，这种偏底层 门槛也很高，个人感觉很好，就是要求高。大概这五种，依次从后端到算法，市面上很多名字，大模型/ai/ai agent应用开发太多了，但工作的内容差别超大。如果说涉及到的主要工作就是洗数据、造指标、微调、prompt、rag之类的或者再加一点agent，那感觉护城河似乎没那么高，甚至感觉可能还比不过java(说法可能有些绝对)，总结来说就是感觉危机感很重，想知道大伙是怎么看的，作为在校生该如何做选择呢？