字节上海 AI lab 面试进度

现在有两个地方看起来比较合适，一个是去做业务场景落地，比如大模型应用到业务上，微调，agent这些；一个是去做基础技术，比如大模型 KV cache 等等优化，针对多模态场景的 KV cache 等等。两个平台都不错，图片上就是第二个。我的情况是，博士读书期间主要做科研，写论文，做的是多模态算法，改改网络结构，发发论文这些。感觉很多师兄师姐都是去做业务场景落地，不过工作可能也比较偏数据处理，业务调优等等。好处就是这个岗位需求大，跳槽也容易。坏处就是卷。。。基础技术研发感觉比较偏底层，做 kv 复用，kv检索等等，里面研究员，博士比较多。这个岗位好处是技术比较深，坏处可能需求量少，做模型基础平台技术不需要太多人请问大家这两个应该怎么选呢 #计算机# #深度学习与神经网络# #多模态# #大模型#  #大模型推理# #offer帮选#

10.1 编写代码问题1：写出float x与“零值”比较的if语句 if(x > -0.000001 && x < 0.000001); 解读：因为计算机在处理浮点数的时候是有误差的，所以不能将浮点型变量用“==”或“！=”与数字比较，应该设法转化成“>”或“<”此类形式。问题2：强制类型转换给了一个地址a，分别强转类型为：int变量、int指针、数组指针、指针数组、函数指针。 (int) a; //int变量 (int *)a; //int指针 (int (*)[])a; //数组指针 (int *[])a...

如题，录用评估一个多月了，HR 短信不回，微信不通过

理想汽车 - 大模型算法实习生（长期有效，HC丰富，校招也开放ing）职位1-描述【大模型推理（Reasoning）与通用Agent AI】：- 研究通用大模型逻辑推理算法；- 研究o1的训练方案，搜索空间的探索与self-play的训练；- 研究Agent AI算法，助力实现L3智能；职位2-描述【大模型推理（Inference）优化】 ：- 研究大模型推理阶段的KV cache 优化算法；- 研究分布式GPU训练优化算法，包括但不限于负载均衡、显存优化等；总结：大模型推理方向，GPU资源丰富，实习+论文，我全都要！我们能提供：1.技术沉淀：参与大模型技术研究，培养解决技术难题的能力。2.实战经验：参与真实业务场景的落地和上线。3.论文产出：发表高水平论文，培养顶会写作能力。4.成长支持：Mentor指导，重视成长，和优秀的人做有挑战的事。我们期待的你：必备项：- 专业背景：计算机、数学、人工智能等相关专业的在校生，统计和强化学习相关方向优先；- 基础能力：理论功底扎实，熟悉LLM、NLP相关算法，精通transformer和RL等相关算法优先。- 工作态度：主动积极，自驱能力强，具有创新意识。加分项：（没有也没关系，我们更看重潜力）5.实习时长：能够长期实习，长期合作。6.竞赛大佬：ACM/OI大神，代码能力出众。7.学术研究：在ML顶会发表论文，研究能力出众。8.相关经验：有大模型推理、模型优化、大模型框架优化和强化学习等相关工作经验。工作地点：- 北京朝阳望京心动了？赶紧砸简历过来吧！📧 简历投递：xuhao12@lixiang.com 简历要求：邮件名及简历标题命名为“姓名-学校-专业-实习时长”和我们一起，驰骋未来吧！🚗