26届校招|快手大模型应用算法面经

▶️一面
🚤时长约50min
1.自我介绍。
2.拷打了一下项目和论文。
3.为什么多头注意力能提升表达能力?
4.为什么要在大模型中使用 RMSNorm ?和 LayerNorm 有什么差异?
5.KV Cache 是怎么起作用的?为什么对长上下文推理很关键?
6.大模型推理时的加速思路?
7.模型微调时遇到过过拟合吗?怎么处理的?
8.✨算法题手撕:
1️⃣字符串的全排列
2️⃣二叉树序列化与反序列化
▶️二面
🚤时长约40min
1.自我介绍,深挖简历。
2.深挖项目,针对项目思路不断追问。
3.大模型生成内容如何做去重过滤?
4.如果词表特别大(10w+ token ), Softmax 加速通常有哪些实现?
5.如果要在中文领域做Instruction Tuning ,需要注意哪些数据问题?
6.LoRA 和 Prompt Tuning 有何区别,分别适于什么场景?
7.反问。
📳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。
#算法岗面试# #推荐算法# #我的秋招日记#
全部评论

相关推荐

我期望成为的人:1、上班也要高高兴兴,充满干劲,有活人感。2、对技术有热情,爱钻研底层,能解决实际问题,而不是空背八股。3、面相正常,因为很多搞技术的人,面色都不太好,当然也和上班压力过大有关。4、能自驱的完成任务,解决任务。5、除了工作外,还有自己的爱好等等。6、在一个大城市工作的人。秋招一些感悟:1.做完A在做B,严格串行化,如果任务处理过长,分段执行。2.局部最优解。做好每一件小事,认真对待每一场面试,从中收获东西。如何成为我期待的人,那就是先找一份稳定的工作,积累经验,做好当前眼下的事情。3.情绪稳定。4.复盘思维。5.每天学一点新东西。一般来说,现在的面试都要开摄像头面试,所以我会观察面试官的面容。UCloud的面试官,是女技术官,我感觉看上去面色很好,说话逻辑也很清楚,不像是搞技术的。面试上来就自我介绍,姓薄,然后整体给我的感受还是非常专业的,对计算机网络底层非常了解。公司做的业务,和我做的AI方向不是很匹配,所以也是问了一些计算机网络,和八股。在面试的过程中,我突然有一种感觉,我只是在背八股,而不是真正理解八股,这些八股和实习介绍,也是套话。没有真实的业务支持,我学的技术,始终有点纸上谈兵的感觉,所以我还是得积累经验的问题。每天学习一点新东西,而不是复习旧东西了。反问:1.怎么积累经验的问题?上班,工作中遇到的问题都记录下来,深度地剖析可能产生的原因。两个看似非常不一样的问题,可能归根结底是同一个问题。人和人之间的差距拉开在哪儿?对每一个小问题的处理,如果把每个小问题都处理的很好的情况下,你就不会出大问题,经验也会比同龄人积累很多。2.希望候选人具备什么样的品质?3.学习方法?
查看4道真题和解析
点赞 评论 收藏
分享
评论
1
6
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务