商汤科技多模态大模型实习一面 45min

1、自我介绍2、讲一下你做过的一个最有代表性的项目3、RAG 里 chunk 怎么切，为什么这是个关键点chunk 切分会直接影响召回质量和最终回答质量。因为向量检索不是按整篇文档检，而是按切分后的片段检。如果切得太长，一个 chunk 里会混入很多无关信息，虽然语义覆盖大，但相似度不一定集中，模型拿到后也不容易抓住重点。如果切得太短，单个 chunk 虽然很纯，但上下文不完整，容易导致召回回来的内容缺少关键信息。实际做的时候一般会根据文档类型来定。像制度文档、说明文档，可以按标题、段落、语义边界切；如果是 FAQ 或问答对，本身就天然适合按条切。通常还会设置 overlap，避免一个关键信息...

被横向挂了，希望发出来对大家有帮助！1.实习拷打2.介绍项目3.chunk怎么切的4.数据集的处理5.训练参数设置6.lora的原理7.为什么主流大模型都是decoder，而不用encoder8.为什么带think的推理模型，输出会更准确？9.手撕：按要求切割一段话

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=...

没招了 1.字节一面挂，然后再投就被卡住了2.蚂蚁一面挂，流转中3.快手二面寄了，面完1h秒挂，手撕也做出来了，回答的七七八八，哎4.腾讯三面后天面，最后的希望5.美团笔试挂6.pdd笔试挂7.百度，阿里系简历全挂，得加点Agent项目了，当初也是脑子不好8.jd等等一堆简历筛选中，卡了半个月了。。。企鹅再挂，真没希望了，哎，谁能救救我啊