大模型应用面经，已归类！

很多人问我如何准备大模型的面试，分享下我的经验，针对两种情况：1. 有大模型实习2. 无大模型实习针对无大模型实习的情况，我建议先找一段中厂实习为主，比如 zhipu、Minimax （当然有大厂进大厂）这些，相对容易进，尽量积累大模型实习经历。针对有大模型实习的情况，复习内容为：1. 常规八股（transformer、bert 等）2. 最新八股（GQA 等）3. 技术报告（一定要自己看原PDF，目前推荐 DeepSeekV3, R1, kimi1.5, Minimax-01, Qwen2.5, Qwen2.5-VL）4. 手撕 Leetcode：Hot1005. 手撕模型，比如 MHA 这些首先是常规八股和最新八股，这一部分可以自己找找网上资料，整理好的，背。然后是技术报告，目前推荐的内容有：1. DeepSeekV3：必读2. DeepSeekR1：必读3. Kimi1.5：选读4. Minimax-01：选读，据我所知最长上下文模型（外推到 4M，不过好像被 LLama4 的 10M 超过了）5. Qwen2.5：必读6. LLama3.1：必读7. Qwen2.5-VL（如果简历有多模态内容）：选读重点关注：1. 阶段训练（预训练几段、Post-training 几段？上下文用了多少？数据配比是什么？）2. 模型创新点（MHA 创新是什么？作用是什么？）3. 上下文优化创新点（一般是优化显存和阶段训练）4. 多模态优化创新点（简历有多模态内容）5. 几个模型不同之处（比如 Qwen2 和 Qwen2.5 的不同之处）最后是手撕，Leetcode 只刷 Hot100 够了，模型手撕建议关注（我目前会的）：1. MHA2. LayerNorm3. Transformer Encoder (MHA+LayerNorm+FFN)4. PE（绝对位置编码）5. ROPE6. SwiGLU7. RmsNorm每次面试前快速过一遍就 ok 了。

大佬们看看，简历是否合适。（两个项目的“主要工作”写的很粗糙）然后还有一个问题请大佬们支支招... 我想走大模型相关岗位，但没想好去算法还是开发。算法岗肯定是首选，主要是怕我的项目经历跟算法岗离得远找不到实习。请大佬们给给建议

有没有老师面过字节巨量星图大模型应用全栈开发，前天投简历，字节hr主动联系的我，因为很早之前投过字节但是简历初筛都没过就想着这次应该也过不了，就把简历发hr了，但是昨天hr联系我说简历过了要约面试，看网上字节的面经感觉都非常的压力，而且这个岗的面经都没有，有点发怵，现在就是处于一个又想去试试但是又怕脏面评的困境，有没有老师给点建议（ps：岗位要求是全栈开发，但是我对前端就是不了解没学过）

大模型浪潮下，不少26届同学想进军算法岗，却对岗位门槛、工作内容存在信息差。结合大半年实习经验，为大家揭秘真实行业情况，助力暑期与秋招规划。1️⃣大模型核心岗位划分大模型岗位主要分为两大方向：1. 大模型基座：涵盖数据、预训练、微调、对齐、训练/推理架构等工作。2. 大模型应用：包括数据、续训练、微调、对齐、推理部署、Agent、RAG等落地相关研发。2️⃣大模型岗位真实门槛很多人误以为无论文就无缘大模型，实际并非如此，实习与垂直经历比单纯论文更关键。1.基座岗位：学历要求高，基本为本硕双985，或国科大、北邮等强校，部分组要求博士；论文为硬性条件，至少1篇顶会起步，且方向需高度匹配；实习建议两段以上，优先阿里通义、字节豆包、百度文心、DeepSeek等头部机构。2.应用岗位：学历以本硕211及以上为主，是硕士主力赛道；论文非必需，仅为加分项，冲刺高薪计划可补充；更看重实习垂直性，无论文但项目对口，同样能拿到高薪offer。整体而言，求职时经历垂直匹配 > 含金量高低，弱相关经历加分十分有限。3️⃣大厂大模型工程师在做什么 大厂大模型工作并非大众想象中整日训模型、写代码，大量时间用于数据处理、评测与沟通。基座组多做小幅度结构优化与实验；应用组99%工作基于开源模型做续训、微调，搭建RAG、Agent系统，核心是调参、优化数据配比、制定自动化评估方案，最终目标是业务落地，能提升线上指标的方案才是有效方案。 想入局大模型，不必被论文门槛吓退，找准方向、深耕垂直项目，才是突围关键。如果找不到学习方向，需要辅导请私信联系。