快手效率工程部

1. 大模型微调的完整技术方案与工程落地细节采用 LoRA 参数高效微调方案，仅对 Transformer 的 Q/V 投影层添加低秩矩阵，冻结底座模型参数。训练时设置秩 r=8、缩放因子 α=16，使用 AdamW 优化器，学习率 2e-4，配合余弦退火学习率调度与梯度裁剪。工程上使用混合精度训练、分布式数据并行，提升训练效率，训练后合并 LoRA 权重，不增加推理延迟。 import torch import torch.nn as nn class LoRALinear(nn.Module):def __init__(self, in_features, out_features, r=...

开场： 1、自我介绍2、研究方向介绍下，这个方向上过哪些课3、这个方向参与的项目介绍下，负责了哪些4、绩点5、当前就业偏向什么方向实习：6、介绍下实习期间参与的这个项目7、设备量有多少8、 你负责的是哪部分9、这部分哪些地方用到了AI八股：10、数据库查询 RBO 和 CBO11、介绍下 MySQL 索引12、MySQL 存储都是用 B+ 树存的吗13、什么是 B+ 树，和 B 树的区别14、介绍下 Redis15、Redis 基本数据类型和常见应用场景介绍下16、Redis 高可用方案17、哈希槽了解吗18、场景：对告警分析排障的过程19、ES 了解吗20、那什么是倒排索引21、介绍下什么时候用缓存，以及乐观锁悲观锁22、了解一些存储的组件吗，Hadoop23、那介绍下HDFS，是基于块还是文件存储24、对象存储用过吗25、那什么情况下用对象存储，什么情况下用HDFS26、你对 SRE 的了解27、平时用 Linux 用的多吗28、那介绍下 Linux 的I/O模型和负载模型29、中间件用过哪些30、Kafka 的架构了解吗31、Kafka 如何保证消息顺序消费32、哈希路由有什么弊端手撕：33、二分查找34、无重复字符的最长子串反问：

前言这是我的agent系列文章的第8篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记（后端与agent2手抓学习专栏想象一下，你拥有一匹日行千里的神骏，它力量无穷，速度惊人。但如果直接骑上它去送货，结果很可能是：它跑得飞快，却跑错了方向，或者在半路被路边的野花吸引，完全忘了任务。这匹“神骏”就像今天强大的大语言模型（LLM），而Harness，就是为它量身定制的“缰绳”、“马具”和“导航系统”。简单来说，Harness（驾驭层）是...

字节十一面挂火山引擎 三面 HR面挂国际电商 五面 HR面挂 （我一个暑假实习要像社招一样 面四轮技术面  + 一轮HR面）中国广告与交易 生活服务 三面 主管面挂字节的面试几乎都是全秒，个人理解八股算法我都是秒答。项目实习不知道面评。询问HR，均未获得合理解释原因，猜测是我自己的学历不太够？以及HC 以上部门大家可以参考避雷。京东已 入职 但是组内技术烂，且毫无新人培养，入职一个月都还没有mentor，也没有人管。无产出，无技术，估计难转正阿里简历挂了两页多可能阿里要求确实高吧，全是简历评估挂，笔试都没收到过。蚂蚁CSO 一面挂平台技术 二面挂应聘和面试体验极佳，面试官很好，也很能引导面试流程，技术追问很深入。 都没有八股和手撕，注重场景和个人思考。学历 27届 211本。 之前有美团 + 虾皮 两端实习经历曾经也是心气凌云， 现在却郁结满满，无处释放，发个帖子当给大家看个笑话吧😮‍💨