26届日常实习哪些厂招人比较多

1.请介绍 Transformer 的结构组成及各部分作用2.如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3.LoRA微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？4.kv cache是什么？为什么能极大地提升推理速度？5.RAG的完整流程，构建向量检索库时如何处理时间衰减对召回的影响？6.微调时的训练数据是怎么构建的？如何保证样本多样性和质量？7.在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？是怎样保证实时性的？8.训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？9.在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？10.大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？11.如果你要在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？12.代码：lc15 三数之和

本菜鸡华五cs本硕研究生做的多模态大模型、视觉语言模型相关已投稿两篇CCF-A会议，已中其中一篇的oral目前想布局下明年实习，衔接到暑期实习。想主要搞业务侧搜广推相关，或者大模型相关，心仪offer是头部厂的推荐算法（生成式推荐）。现在这段时间可以准备哪些部分？力扣在慢慢刷，需要整个推荐算法的toy还是继续背八股之类的？

一个黑马的未公开练手项目一个实验室项目，在boss和牛客一共投了几十家但是找不到日常实习约面，求各位大佬指导一下

不是，哥们，有人了解ai infra测开吗？我们组感觉真的业务复杂到爆（又是大模型又是ai又是k8s什么推理，队列我去...一个没听过）（整个组就我一个本科生好像，另外的最年轻的都是25岁的另一名研3的实习生），我也不知道是好处还是坏处，因为我感觉这个和平常业务的测开差别有点大啊