夸克大模型日常实习凉经

1．项目介绍，问实习和论文2．实习微调过Qwen2，你说说Qwen2的模型结构吧，Qwen2相比Qwen1做了哪些改进3．为什么现在 Decoder - only 成为大模型的主流架构4．了解过哪些模型训练推理优化的方法5．为什么有了 SFT 之后还需要 RLHF6 .PPO 和 DPO 的主要思想是什么7．代码：23．合并 K 个升序链表

1．实习介绍2．选一个做的好的实习或者论文讲一下3．了解 RAG 吗， GraphRAG 的做法4．讲一下 FlashAttention 的思想和做法5．讲一下 RoPE ,目前常用的位置编码还有哪些， Ro PE 有什么优点6．场景题：如果要提升大模型的多轮对话能力，你有哪些可以改进的点7．代码题：56．合并区间

📍offer公司1: vivo 影像部端侧大模型💰薪资包: N 纯现金💡优点:  1.  网上风评不错，强度适中（面试官说他们平时 995，上海可能轻松一些）  2.  稳定性高  3.影像部属于核心部门🤦‍♂️缺点: 1. 公积金 5%   2.  年终占比太高，转浮动薪资后万一公司业绩不好年包可能缩水   3.  在 NPU 上部署端侧大模型，方向略窄  4. 离家 30 公里，往返通勤时间共 100 分钟左右📍offer公司 2:  上海人工智能实验室💰薪资包: N-M 的现金和 M 的签字费（共发两年）💡优点: 1. 工作强度真的低 2. 云端大模型推理，方向比较好 3. 实验室稳定🤦‍♂️ 缺点: 1. 两年后总包降M  2.实验室没有企业业务驱动，技术发展感觉可能受限  3. 地铁通勤往返 140 分钟📍offer公司 3:  字节 data 推荐架构💰薪资包: N-5 的现金和 10 的期权，可能还有一笔较少的签字费💡优点: 1. 离家 7 公里 ，通勤往返 50 分钟 2. 应该也属于核心部门？  3. 云端多模态大模型推理优化，后续发展比端侧有优势🤦‍♂️ 缺点: 1. 薪资在 2-2 级别算垫底的，和另外两家没有拉开差距  2. 卷，心累程度会比另外两家高很多字节薪资性价比没有另外两家高，据我的了解这个薪资在 2-2 属于 range 的下限，但又考虑字节未来发展的上限会比另外两家高，特别是字节新政策出来后会不会快速把总包涨到 2-2 平均水平？还请各位大佬理性分析一波，给个建议。

约面不少，但面的字节京东九坤全g，算法题全秒，是项目太浅了吗，求支招