share下我大模型岗的简历吧～

真服了，我不信有这个题，还不会常见的业务题◆ 大模型（LLMs）基础面• 目前主流的开源模型体系有哪些？• prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别是什么？• 大模型LLM的 训练目标 是什么？• 涌现能力是啥原因？• 为何现在的大模型大部分是Decoder only结构？• 简单 介绍一下 大模型【LLMs】？• 大模型【LLMs】后面跟的 175B、60B、540B等 指什么？• 大模型【LLMs】具有什么优点？• 大模型【LLMs】具有什么缺点？◆ Layer normalization 篇• Layer Norm 的计算公式写一下？• RMS Norm 的计算公式写一下？• RMS Norm 相比于 Layer Norm 有什么特点？• Deep Norm 思路？• 写一下 Deep Norm 代码实现？• Deep Norm 有什么优点？• LN 在 LLMs 中的不同位置 有什么区别么？如果有，能介绍一下区别么？• LLMs 各模型分别用了 哪种 Layer normalization？◆ LLMs 激活函数篇• 介绍一下 FFN 块 计算公式？• 介绍一下 GeLU 计算公式？• 介绍一下 Swish 计算公式？• 介绍一下 使用 GLU 线性门控单元的 FFN 块 计算公式？• 介绍一下 使用 GeLU 的 GLU 块 计算公式？• 介绍一下 使用 Swish 的 GLU 块 计算公式？◆ Attention 升级面• 传统 Attention 存在哪些问题？• Attention 优化方向• Attention 变体有哪些？• Multi-head Attention 存在什么问题？• 介绍一下 Multi-Query Attention？• 对比一下 Multi-head Attention 和 Multi-Query Attention？◆ transformers 操作篇◆ LLMs 损失函数篇◆ 相似度函数篇◆ 大模型（LLMs）进阶面◆ 大模型（LLMs）微调面◆ LLMs 训练经验帖◆ 大模型（LLMs）langchain 面◆ 多轮对话中让AI保持长期记忆的8种优化方式篇◆ 基于langchain RAG问答应用实战◆ 基于LLM+向量库的文档对话 经验面.......

我通过牛客赚了一包薯片，整整5块，然后一直没到账，然后发现人家放假了，今天到了之后买了吃掉，已经变成葡萄糖了。那么我也是顺利收下几家offer了，没学多久，今天给一下具体路线，求别私信我（真想问问题，直接把问题写上去留个微信，动不动弹出来红点点，你总会去点他的。。），然后东西都是你感兴趣才能去做，你肯定难以接受一天爽学10几个小时。同时五一假期还不出门，连续5天高强度琢磨新玩意，所谓欲戴王冠，必承其重你知道的，光是走马观花肯定很困难。我给出你具体思路还是比较重要的。首先确定走这一行，我的话有两年开发经验，有实习经验，然后直接转行，本身就有基础，计算机的知识是有迁移性质的。我先讲讲大模型ai应用...

Every door may be shut, but deaths door.人生在世，唯死难逃。

写在最前面，首先感谢各位驻足观看，我受宠若惊，一共赚了三包薯片了，这期呢还是讲讲最近的去向，还有大伙比较关心的实习工作怎么样，好不好找工作，有好些人私信我，这里一块讲一下。第一个问题，大模型好不好找工作？还是那句话，看你喜欢做什么，大模型应用agent开发是蛮好找的，大模型底层算法调优蒸馏做小模型也好找（不过有点吃学历这个很多只要硕士），大模型做论文复现，写量化这种（很吃学历和paper，一篇还不够，要高端的paper，ccf-a这种算差不多）。在5月2号我做完第一份简历，5月6号收到第一份offer，5月11号去北京时候我已经手握6家offer了，有初创，有小厂，有远程，有大厂，最后我选择了...