专业和南京东软有合作实习机会能去吗

给我面没招了，发点面经攒攒人品～项目拷打CLIP部分1.CLIP的结构+一个batch里面混入了相同的图片，也就是说一个正样本被当作一个负样本，但它实际是一个正样本，怎么去解决和避免这些问题?在训练或者说Loss层面2.CLIP可以做分类吗?通过对齐的方式做分类你觉得是可行的吗?3.图像输入给大模型，解码输出文本，这样的对齐方式和CLIP有什么区别?这两种哪种是未来趋势?偏八股部分1.COT有了解过吗?结构化的输入/few-shot 为什么会有帮助?(模型层面)2.有了解过哪些大模型?BLIP2的三个loss介绍3.现在大部分的结构不采用Q-former，而用MLP，是为什么?那为什么之前不用MLP，而用Q-former?4.一个多模态模型，它的视觉和文本编码器的参数量大小有什么配比的逻辑?5.一个5乘5的卷积，它可以由几个3乘3的卷积串联来替换，从而减少计算量但保持感受野不变?6.分类任务需要很多标注样本，但是现在想在少量样本的情况下，实现新增任务的效果，如何实现?不希望通过大量数据做微调手撕：经典力扣 全排列

1. 如果想要在某个模型基础上做全参数微调，究竟需要多少显存？这个问题不能只看模型参数量，还得把训练时真正占显存的几部分一起算进去。全参数微调时，显存通常会被下面这些东西吃掉：模型参数本身梯度优化器状态前向传播保存的激活值CUDA 运行时和框架缓存如果用的是 AdamW 这类优化器，除了参数之外，还要额外维护一阶矩和二阶矩，所以训练显存会明显高于推理显存。一个比较粗糙但实用的经验是：全参数微调的显存，往往是模型权重显存的 6 到 12 倍左右，具体还得看序列长度、batch size、是否开 gradient checkpointing、是否做 ZeRO/FSDP 分片。拿 7B 模型举例，F...

努力拥抱AI中…1.项目拷打2.有没有部署过大模型？3.项目中对话流程是什么？4.如果面试官和AI对话生成的问题冲突怎么办？5.如果将项目升级为虚拟对话可以怎么改6.实习的这个项目还有哪些需要优化的7.你的这些实习项目哪些用到了rag8.rag的信息是怎么存储的9.用的哪些embedding模型10.embedding是怎么分chunk的11.硬切分在实践中有哪些弊端吗，有没有实际的例子12.选一个项目介绍一下react机制是怎么设计的，在实际应用场景表现如何13.这些项目哪个更适合使用模型再训练，哪些适合用rag14.微调的数据集从哪里来代码环节手撕self-attention和检测模型

个人BG：27届 + 双非硕 + 意向职位：前端——>AI应用全栈开发（发展方向投递/笔面试/Offer进展：简历挂：拼多多、BiliBili(AI Agent)初筛/测评：携程、京东、笔试：米哈游、美团待笔试面试日常：美团一二面挂、趣链一二面三面(拒、九坤一面挂、量旋过面试暑期/有转正机会：腾讯一面挂、腾讯音乐一面过、瓜子OC、小红书OC、百度OC感受：每次最焦虑还是算法题，到底这场面试考JS手撕还是普通算法，已经两天没刷力扣了，工作好累，忘的好快每次都会在怀疑自己/相信自己反复横跳，这个过程很焦虑，不要老是看自己的不足，有时候多看看自己的优点，放轻松，把面试当作一场交流！一直不敢再投...