好未来后端Golang一面

百度上海的岗，做广告推荐的部门timeline：8.22 投递    9.1 测评    9.4 一面    9.10 二面    9.12 显示共享中一面1个小时，基础八股+项目+手撕1. 自我介绍2. 介绍clip模型3. 项目：大模型SFT数据细节，prompt设计方式，介绍cot4. MLLM了解情况，介绍一些现有模型5. 介绍lora6. 一作论文详细介绍7. 介绍CNN模型，池化的作用8. 词嵌入的发展历史，word2vec训练方式9. 介绍transformer、self-attention10. bert和gpt的区别，为什么前者用于理解，后者用于生成11. 介绍GAN模型，生成器/判别器的损失函数，介绍模式崩塌现象和解决方法12. 介绍第二篇论文13. 分类模型的发展历史手撕：快速排序二面1个小时，机器学习八股 + 项目深挖 + 业务理解 + 手撕1. 自我介绍2. 项目：介绍项目的应用场景，整体流程，数据量3. 使用什么模型（MLLM），和LLM有什么区别4. 介绍transformer5. 给定一个业务任务，如何完成模型搭建（ps.面试官大概意思是从数据处理-模型选择-效果验证角度详细说明6. 介绍过拟合、欠拟合现象及解决方法7. 介绍深度学习的优化策略（ps.可能包括学习率优化、梯度更新策略、超参数选择等方面，没答全面8. 激活函数介绍，sigmoid 和 relu的应用场景及区别9. 是否了解广告、推荐相关（介绍了一个实习中一个搜索相关的小项目，CTR啥的不太懂10. 计组知识：进程与线程区别、死锁及解决方法手撕：给定一个数组，判断它是否是一个二叉搜索树的后序遍历（ps. 有些问题记不太清楚了，仅供参考

1. 为什么需要做特征归一化、标准化？前述Feature scaling，常见的提法有“特征归一化”、“标准化”，是数据预处理中的重要技术，有时甚至决定了算法能不能work以及work得好不好。谈到feature scaling的必要性，最常用的2个例子可能是：特征间的单位（尺度）可能不同，比如身高和体重，比如摄氏度和华氏度，比如房屋面积和房间数，一个特征的变化范围可能是[1000, 10000]，另一个特征的变化范围可能是[−0.1,0.2]，在进行距离有关的计算时，单位的不同会导致计算结果的不同，尺度大的特征会起决定性作用，而尺度小的特征其作用可能会被忽略，为了消除特征间单位和尺度差异的影...

#java校招#

1.国内大厂的AI大模型免费了，最先受到打击的应该是以调用AI模型为主要商业模式的创业公司。2.国内大厂的AI大模型免费，那么下一步应该就是国内现在所有的APP都要嵌入AI应用了，短期内APP+AI的模式会爆发，需要的岗位也会变多。3.AI模型的创业公司，在大厂免费时代，就必须要想其他的商业模式，不然这样下去的结局就两种：要么倒闭，要么被大厂吞并。4.国内AI大厂的价格战的背后，实际上是对模型生成的质量和效果的不自信。5.在电商行业面向C端的产品，结合AI最多实现的模式就是“用户评价总结”，这种模式需要考虑的是内容上如何保证AI生成内容的时效性、准确性，表现形式上要考虑如何与图片、视频模态结合...