滴滴暑期大模型算法一面凉经分享

职场从来都不存在什么公平，雇主通常都是优势方而雇员是弱势方（行业大神除外），再加上我们国家人口众多，所以很正常的，公司作为雇主在面试应聘者的时候都是趾高气昂、高高在上（面试过n家公司的在一旁泣血控诉）。人有三六九等，公司也有三六九等，而面试官也有，有不少渣渣公司在面试求职者的时候，往往瞅准了求职者急于找到工作的心理，用各种手段把求职者耍的团团转，最后求职者还得对他们说一句：谢谢！下面是几种求职者经常会遇到的坑:第一种：打着招人的幌子实际上是为了解决公司项目上遇到的技术难题在我们求职过程中，有的公司动机不纯，通过各种理由欺瞒，将求职者在面试时的经验成果据为己有。最常见的就是以笔试为名将项目里遇到...

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.实习拷打2.如何选择基座模型？有哪些因素需要权衡？3.了解市面上有哪些中文的开闭源模型？4.有哪些微调的方法？怎么判断做全参还是lora5.有什么东西主要影响微调的效果？数据需要关注哪些点，多样性怎么做权衡，有一些长尾样本要怎么判断应不应该采样？对于prompt应该关注哪些方面？6.怎么看待llm的复读和幻觉问题，如果微调过程中出现这类问题怎么处理？7.sft做到什么程度可以做RL？8.多模态大模型中用什么网络对齐图像和文字的embedding？除了ViT还有什么？9.手撕：两数之和，三数之和

这个小伙伴5年的工作经历 双非研究生 好像是医学和计算机交叉学科1. 请先做一下自我介绍2. 你们是直接拿开源 BERT 做分类，还是基于开源 BERT 做微调？答案：一般不是直接拿开源 BERT 裸用，而是基于开源预训练 BERT 做下游分类任务微调。开源 BERT 只提供了通用语义表示能力，它在大规模语料上通过 MLM、NSP 等任务学到了语言知识，但它不知道我们具体业务里的标签体系，比如用户意图分类、文本风险分类、工单分类等。所以实际做法是：拿一个开源预训练模型，比如： bert-base-chinese chinese-roberta-wwm-ext hfl/chinese-macbe...

大家好，我是一个双非大二学生，学Java。平时自己刷刷题、写写小项目，算是摸索着慢慢学。前两周，我迎来了人生第一份实习——一家刚被中国500强收购的小公司，主要做Go写定位系统。老实说，刚进去的时候心里还是有点慌：自己是Java出身，Go也没真正项目经验，怕跟不上节奏。结果……完全出乎意料！先说实习感受：团队氛围真的太舒服了。大家都很照顾我，愿意给我学习时间，一点也不焦虑内卷。工作时间固定：早九晚六，周末双休。离学校地铁过去只要30分钟，上班路上完全不慌。干了一周下来，我慢慢理解了团队的开发流程，也学到了一些Go的基础项目结构。大部分重复、琐碎的代码其实都是用AI辅助完成的，这让我意识到自己还有很多不足。好在组长也很耐心，会指点我学习一些关键技能，帮我认识自己的短板。更让我感动的是，即使知道我实习时间不长，团队还是愿意让我看核心代码，让我有机会理解整个系统是怎么运作的。总体来说，这次实习给我的感觉是：既能学东西，又不会加班熬夜，压力适中，氛围轻松。但是有一个困惑：网上常说“要快速学习公司代码”，可我该怎么做呢？我能看到核心代码，组里也知道我可能呆不久，但还是愿意放我看，我真的很珍惜这个机会。想请教各位大佬：大二小白，如何在短时间内快速理解公司核心代码？先看哪些模块、哪些函数、哪些文档？如何做到既理解业务，又不被代码量吓到？我希望在有限的实习时间里，尽可能学到更多，也希望能把握好机会提高自己。如果有经验的大佬能分享一下方法或者套路，我会非常感谢！🙏