联想-大模型数据-日常面经

先是自我介绍，聊了聊项目和之前的实习。八股：1. 大模型预测 token 的损失是怎么算的？有哪几种常见的损失函数？2. 讲讲大模型的思维链技术？3. 聊聊 Transformer？它有啥优势？位置编码是咋做的，有啥改进？ROPE 是啥？Transformer 是怎么把文本转成 token 的？4. Lora 微调八股：矩阵 A, B 怎么初始化？为啥 B 要初始化成 0，A 不行吗？啥是矩阵的秩？5. Bert 和 GPT 有啥区别？大模型时代，小模型还有用吗？6. MHA 是啥？有啥改进？讲讲 DeepSeek 的 MLA？7. MOE 一般加在哪？从训练和推理的角度看，MOE 有啥好处？...

来自亲身经历的面经分享：1. “为什么选择中石油？”- 面经复盘：切忌空谈“大国企”“稳定”。要展现出你对企业的了解和自身的思考。我提到中石油在页岩气技术突破和氢能布局方面的进展，以此说明我关注其长远发展。- 参考回答：“我选择中石油不仅是因其在能源领域的支柱地位，更看重它在能源转型中的布局。我注意到中石油在长宁-威远页岩气田的技术突破以及氢能领域的探索，这与我希望在一个兼具传统底蕴和创新精神的平台发展的职业规划非常契合。”2. （针对具体项目）“请谈谈你在XX项目中的具体贡献”- 面经复盘：面试官会深挖简历上的项目经历。用STAR法则（Situation, Task, Action, Result） 来组织语言，清晰描述你在其中扮演的角色、采取的行动以及最终可量化的成果。- 参考回答：“在XX数字化钻井参数优化项目中（Situation），我的任务是分析历史数据以找到优化空间（Task）。我通过Python编写了数据清洗和分析脚本，建立了预测模型（Action），最终将参数优化周期从原来的7天缩短到了2天（Result）。”3. （专业题）“如何看待新能源对传统石油行业的冲击？”- 面经复盘：这考察你对行业趋势的洞察。不要片面否定或肯定，要展现辩证的思考。- 参考回答：“我认为新能源更多是协同与融合，而非简单的冲击。传统石油行业在能源安全中依然扮演着压舱石的角色，而新能源是未来发展的方向。中石油提出的‘油气+新能源’协同发展战略就很好，比如利用油田场地开发光伏、风电，探索CCUS（碳捕集、利用与封存）技术等，这都是积极的转型。我的专业背景也让我愿意在传统能源与新能源结合领域深入学习。”

三面1、自我介绍2、你所在的AI产品团队，2024年目标是什么？你负责kpi是什么？3、你负责的产品项目，竞品是谁？你的产品优势、劣势是什么？4、AI大模型生成的内容，怎么解决客诉或侵权问题？5、AI大模型怎么解决幻觉问题？6、AI大模型怎么提升站内交易转化？举例说明，持续追问7、AI大模型和营销玩法的结合，你有什么想法？可以怎么落地？具体用到什么AI技术？8、为什么要考虑新机会？9、反问

唉，没实习太难了投了一堆，只有零星几个约面虾皮kpi一面挂，字节一面挂，美团一面挂，百度测开一面挂，贝壳时间冲突直接没面了