秋招投递冲刺！！华为终端软件部缺人！

研一找大模型算法实习好多简历挂，请问应该如何修改简历呢（最近找日常真的好难hhh

面试算法题卡壳怎么办？在算法面试中遇到难题写不出来，几乎是每个候选人都会经历的事。作为面试官，我想说的是，能否妥善处理这种困境，往往比题目本身更能决定结果。当你思路卡住时首先，千万别沉默。面试官期待看到你的思考过程，而不是一个完美的答案。正确的做法是，主动说出你目前的思路和遇到的阻碍，并尝试寻求提示。比如你可以说：“我初步的想法是用动态规划，但在状态转移上卡住了，您能给我一点方向吗？”面试官给出提示后，你要快速跟进，展示出调试和迭代的能力。这说明你不仅会解题，更具备在实际工作中解决问题的能力。绝对要避免的行为· 完全沉默，不与面试官沟通· 轻易放弃，直接说“我不会”· 抱怨题目太难或不合理一个真实的案例我曾面试过一位同学，他解题速度不快，中间也有停顿。但他全程都在清晰地表达思考：“我打算用哈。。。查找，因为这里可能。。。这个。。。情况我先记下，写完主逻辑再处理”。虽然他最终没写出最简洁的代码，但我看到了他拆解问题、逐步推进的逻辑能力。最后他通过了面试，因为面试官看重的是解决问题的完整思维链条。面试官到底想看到什么· 清晰的解题思路和分析路径· 规范的编码习惯和边界处理· 主动沟通的意愿和协作意识· 在提示下快速调整和迭代的能力写不出最优解很正常，可怕的是没有思考过程。面试是展示你如何解决问题，而不仅是背诵解法。

1.实习介绍2.介绍transformer架构3.transformer架构为什么要切分为多头？4.讲一下attention的具体计算步骤5.计算attention的softmax之前为什么要除根号d_k6.介绍一下transformer位置编码；还了解别的位置编码吗？7.如果在transformer中，把K去掉，变成Q*Q*V，这样会有什么问题吗？假如不考虑解码器，只考虑编码器内部的attention操作的话，这样会有什么问题？8.transformer是encoder-decoder架构，而GPT是decoder-only架构，为什么会演变成这样一种形式？为什么把encoder给舍弃掉了？9.为什么像GPT这种生成式任务，不同时利用encoder-decoder？10.transformer的FFN层为什么会逐渐演变成MOE层？11.moe层的负载均衡具体是怎么做的？偏置项b是怎么训练的？你怎么保证有一个机制让偏置项得到变换？照理来说，偏置项b应该放到损失函数中，这应该怎么设计？12.做agent有哪些框架？13.做agent的开发范式有哪些？14.lora微调的核心原理是什么？15.大模型幻觉了解吗，怎么缓解大模型幻觉？16.手撕，最长递增子序列

1. 实习介绍2. 看了今年哪些生成式推荐论文，答onerec了3. 然后聊了半小时onerec，重点在多模态tokenizer和语义id4. 拷打简历项目(infonce的温度系数作用，faiss ANN索引，正负样本，特征工程，推理测评指标等)5. RoPE和ALiBi两种相对位置编码的原理6. SwiGLU原理，比relu好在哪7. attention常规八股(根号dk，时间复杂度，为什么要分多头)8. 用过哪些大模型微调方式，LoRA微调原理9. 了解模型蒸馏吗10. 了解目前主流多模态模型吗，扩散模型公式怎么推导的11. 手撕: lc53 最大子数组和改为求出这个子数组