26秋招蚂蚁金服大模型算法二面

实习项目提问用的模型参数量有多大？Prompt engineering的方法？有没有自动化的方法？有什么方法避免出现安全问题和幻觉问题？Transformer结构decoder部分训练和推理有什么区别？decoder预测时i位置预测出来了，然后预测i+1位置，那么是用i位置的token结果还是概率结果？为什么？Decoder only参数量估计FFN中一般把d扩大到多少？KV-cache的空间复杂度为什么用MMOE？从scaling law的角度去回答code：编辑距离

9本也不够用了

一面 1、自我介绍2、详细聊了在百度半年的实习干了什么，为什么选择产品部去实习3、详细聊了在百度产出的这一篇A会，自己的贡献是怎么样的?4、详细聊了自己的科研方向:大模型推理的框架，包括底层的架构，硬件的架构(感觉面试官真什么都能问的出)5、八股没怎么问，问的都是论文中的细节，为什么选择该模型，为什么不用剪枝量化去优化推理你的方法比这些方法好在什么地方，文章的idea是如何产生和实现的，包括代码的编写是基于别人的base改的?还是全自己写的?为什么没有考虑实用场景等等 总体来说是问的简历，还是比较好回答6、手撕tokenizer(可能是因为我在回答问题的时候说 代码都全自己写的把 直接让手撕了tokenize二面1、自我介绍2、问为什么没在部门转正?为什么不投自己的实习部门?3、开始聊在百度产出的这篇文章，她说她看过这篇文章，我谢谢您，开始在线解答面试官的疑惑全程一个审稿人状态开始提问;为什么你们只用了小模型，不用大模型，是你们的实验数据有问题?包括后期问能不能落地？4、代码，接雨水5、反问

图片是比亚迪来我们学校宣讲的场景，座无虚席，还有好多站着的，所以可想而知今年的秋招寒冷程度了，今年秋招给我的最大的感受就是：1. 秋招不是秋天招了，而且金7银8，改成夏天招了。2. 秋招不招校招了，而是招暑期了，有多少公司要求提前实习的，恐怕两只手都数不过来吧，包括但不限于北森，好未来，快手，百度，网易雷火，高德，作业帮，小鹏，蔚来，同花顺，叠纸，滴滴，得物等，有些更是逆天，秋招是发转正实习的offer。3. 实习越来越重要了，如果没实习，哪怕你是双9，基础没那么牢，面试的时候也招架不住面试官的拷打。4. 学历厂也越来越不好使了，典型的就是今年的华为，比亚迪，在往年是出了名的学历厂，用来保底的。但是身边有不少朋友双9被华为挂了，比亚迪更是面试都不给。离谱的是，今年是过去10年最冷的一年，可能也是未来10年最暖的一年了。