滴滴一面凉经

做的是司机增长，有老哥了解嘛，能找到在这个部门工作的佬最好下面是部门截图 #滴滴#

先上内推码内推码：DSy9pZxc内推码：DSy9pZxc内推码：DSy9pZxc往年秋招/提前批/秋储实习经验开启-结束时间：实习5月，秋招提前批7月，秋招正式批8月持续时间会根据招聘情况确定，招满即止，建议大家尽早投递滴滴是大厂中暑期实习开的比较晚的，每年都开得比较晚，一般是5月左右开启，所以大家早期面试其他家的经验可以好好积累，说不定面试滴滴的时候就用上了，虽然开得晚，但效率嘎嘎高，一般情况下一天就会完成所有面试，实习通常情况下是2面，OC比较快 秋招提前批：部分岗位仅在提前批开放，提前批如果没有通过，正式批会继续处理，通常情况下是一天3面，一天面完秋招正式批：一般情况下是可以投递两个岗...

CTO2025.3.25 一天三面- 1h10min 项目，算法：快排- 1h20min 项目+八股，算法：bitmap_set- 30min,简单问了下项目和工作诉求#滴滴# #滴滴求职进展汇总#

        加入vivo AI大模型团队也已经一个月了，总结一下入职以来的工作内容！        我们的主要业务场景是研发手机端侧多模态大模型，让手机在端侧实现复杂任务的自主执行。比如你对着手机说“帮我在滴滴上预约一辆明天中午从机场到公司的顺风车”，它就能自动执行～作为实习生，我的主要职责有：模型蒸馏与数据构造：        用业界前沿的cot模型（如DeepSeek-R1、QwQ-32B）生成高质量动作思考数据，去提升我们轻量级端侧模型的能力。这里会涉及到prompt的构造，以及调节参数利用模型去构造高质量数据的策略，多次采样，构造思维链等等，还要设计各种实验去验证效果，在这个过程中我也慢慢理解了数据质量对于模型效果的影响。训练微调奖励模型：        此外，我还要微调训练RM，通过构造多模态偏好样本对（例如用户对图像的操作、指令执行结果的反馈数据），基于Lora微调或全量微调多模态基座模型（如qwen2.5-VL），确保其可以对模型的输出结果做精确的评估，用于偏好对齐阶段的GRPO（奖励来源于规则或RM） 或DPO策略，进一步提升任务完成率。具体实现起来会涉及很多细节，可能需要对比不同损失构造方式和不同策略的优劣，但同时也能在这个过程中快速学习成长。        此外，为了提高模型的上限，组内的大佬们同时也会做预训练，每次开组会都会学到很多LLM的知识，从预训练的数据配比，到模型指标的分析，以及“工业级大模型”的实战经验！组内还会经常开展各种技术分享会，从分布式框架优化到多模态对齐策略，甚至模型底层的网络结构优化，每次都会让我受益匪浅！​         如果你也对我们的业务感兴趣，非常欢迎加入我们，关注：vivo-HR牛客账号，我们有：团队氛围：成长加速器，组里有顶会论文作者、开源框架贡献者，随时可以请教！​前沿项目实战：从模型训练到产品落地，全程参与AI从实验室到用户手中的闭环。​资源管够：千卡集群随便跑实验，模型训练效率翻倍～💻 #vivo#  #vivo招聘#  #互联网大厂实习#