毕业设计尾声

一想到我昨天才退完烧，今天就开始熬夜昨天明天晚上（今天晚上）的业务分享，我就忍俊不禁的轻哼起来。我根本就总结不完，我一边找资料一边写内容还要知识串起来，同时还要尽可能图形化，根本就干不完。我9点多才下班，就走路回家就已经10点了。摸鱼会就一下子12点了😅😅😅，现在写了一会，就困了，不说了，明天一定早起把稿子写完，早上把写的内容串起来，分享给那群在公司工作3年以上的老登😉😉😉 #我的实习日记#

#大模型训练##WLB#组内直招，坐标联想研究院ICI lab，薪资满意和WLB都能满足，欢迎大佬投递。简历可发邮箱liaodc5@lenovo.com岗位职责： 1. 负责设计高可用大模型训练容错系统，支持千亿大模型预训练 2. 负责大模型训练容错checkpoint优化，提升大模型checkpoint读写与恢复性能 3. 负责大模型弹性训练框架的研发 岗位要求： 1. 全日制硕士以上学历，计算机科学与技术、人工智能等相关专业； 2. 熟练C++/Python语言、数据结构以及计算机系统结构，有AI模型性能调优经验，以及良好的工程实现能力； 3. 熟悉 AI 领域常见的分布式训练技术，包括但不限于：数据并行、流水线并行和张量并行等，具有相应的项目经验； 4. 至少熟悉一种AI框架（PyTorch/TensorFlow/Paddle/DeepSpeed等)，能够熟练使用和调试； 5. 熟悉 GPU 硬件结构和 CUDA 计算原理，有 CUDA 相关算子开发、调试经验，对 NCCL/cuDNN 等有一定了解； 6. 对大规模预训练模型有较好的了解，熟悉常见的预训练模型（如GPT、BERT等）结构、训练方法和优化技巧。 7. 具备出色的问题解决能力和创新思维，能够分析和解决复杂的训练问题，并提出改进和优化的方案； 8. 具有良好的团队合作精神，能够与跨部门的团队紧密合作，共同推动项目的成功。 加分项： 1. 有大模型研发和分布式训练经验 2. 熟悉Kubernetes架构以及大模型训练容错系统 3. 在AI或者HPC领域发表过高水平论文

1. 自我介绍2. 项目介绍3. OpenGL 和 Vulkan的区别4. vulkan 的 queue 在GPU架构中代表什么（没看GPU架构，也不了解vulkan的底层）5. 在使用光照模型时，性能瓶颈是什么？6. 在使用GPU Instancing的时候，性能瓶颈是CPU端还是GPU端？7.了解渲染管线吗？场景中的多光源怎么处理？8.了解延迟渲染吗？ G-Buffer除了用在延迟渲染，还会用在什么地方？9. 了解GPU 硬件吗？(不了解反问：1. 还需要提升哪些部分（多了解GPU架构和底层这个礼拜三面的，内容有点记不清了，不过面试官是在家里给我面试的，这就是外企的待遇，羡慕#超威半导体AMD#

理想：部门是做SFT的，实习生主要工作是数据构建，数据配比、模型微调的效果调优试验。研究方面主要涉及指令进化，多样性，模型幻觉等方面。中电信人工智能研究所：进去被分到语义大模型组，主要内容是做垂直应用，智能客服那些。选择恐惧症了，各位大佬帮忙投投票，最好能留下点意见。