AI大模型报班有推荐吗？

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.rope应该加在哪里2.kvcache怎么加3.dropout在哪4.mask怎么加5.实验室项目怎么做的，还可以和什么baseline对比6.业务场景题:针对业务需求怎么构建数据集7.手撕mha

发点面经攒攒人品～1. 数据是怎么合成的，相对于现在主流数据合成有何优化；合成数据的标签是怎么打的，有什么优化的地方2. 数据混合有哪些方法，多样性有哪些角度，怎么保证多样性的同时去除重复数据，讲一下了解的聚类去重，多样性怎么提升3. 怎么清理高质量sft数据，有哪些纬度4. 预训练数据下采样，怎么保证多样性5. 小语种数据怎么合成，方法不限但要控制成本6. 为什么lora相对全参占用显存更少code：高精度开n次根号

1. 自我介绍2. 详细讲一下实习业务，亮点在哪里，提升在哪里3.介绍一下双塔模型4.训练双塔模型时，怎么处理正负样本不均衡。欠采样的方法有哪些5. 介绍一下常用于推荐的序列模型6.Transformer用的归一化函数？7.为什么语言模型不能使用batch norm？Batch norm和Layer norm的区别是什么？8. Transfomer能用来作为序列模型吗？ 但是为什么transfomer不常用于精排呢？9. Transformer和din的参数差异，计算复杂度的区别？10. 介绍一下传统序列模型和transformer的区别？代码:一道hard的动态规划📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

给我面没招了，发点面经攒攒人品～多Agent系统与垂域大模型落地1. 中心化调度的多Agent架构中，子Agent的接口设计与结果回流机制如何保证系统稳定性？2. 纯Prompt实现的Agent范式下，如何设计评测体系以实现自动化的能力判定与迭代闭环？3. 基于外部知识检索的内容生成，为何容易出现信息复述而非独立推理？如何从算法层面解决这一问题？4. 垂域量化指标（风险/情绪类）的建模中，小样本场景下为何选择LoRA微调而非全量微调或Prompt Engineering？5. 垂域LoRA适配时，如何构造高质量监督数据以保证模型输出数值的合理性与一致性？6. 从原型验证到工程化迭代，如何平衡系统效果、推理成本与训练开销？Transformer Encoder 底层原理与训练稳定性1. 完整描述Transformer Encoder的计算流、残差连接与归一化位置设计。2. 写出多头自注意力的完整数学公式，并说明各维度的含义与变化。3. 从概率分布与梯度视角，解释scaled dot-product中除以√dₖ的必要性。4. 对比固定缩放系数与可学习缩放系数在注意力计算中的训练稳定性与表达效率差异。5. 从序列特性、padding影响、梯度传播三个角度，分析NLP中LayerNorm优于BatchNorm的原因。