腾讯 LLM (3+1) 🚀实习+项目占比1/2,八股1/4，代码题1/4，项目被问个底朝天1. 介绍transformers的结构以及每部分的作用以及对应的参数大小2. 介绍位置编码（绝对，相对主要是ROPE，以及Alibi（Baichuan使用的））3. 介绍目前所用的优化器，它们有何区别？项目中使用了LSTM？为什么使用它，不用Transformer？LSTM的不足和优势？优势差点没说不来🥲5. LLM多大的，是否使用并行方式，训练多久，训练过程中遇到什么难题以及如何解决？Deepspeed和Megatron对比一下有何不同，优势分别是什么？6. 你为什么选用Deepspeed？出发点是什么？PEFT的各种结构，简单总结下，各有什么好处？6. linux如何查询某个文件的前几行？回答指令你为什么使用DPO不使用PPO？出发点是什么？7. 阐述下你所了解的大模型压缩技术？并展开讲述1-2个8. 开放题：现在你有两个选择：超大模型的对话助手和很多特定领域的小模型对话助手，你会选用哪种方案？9. 代码题：1. 多头注意力机制源码、2. 对角线矩阵、三数之和、3. 快速排序、最长不重复子数组（？）10.HR就是那样子的，腾讯那边会问：你自己职业规划有什么想法？可三年或五年。面了两次都遇到了。。。#nlp算法工程师# #秋招# #算法# #互联网大厂# #大模型# #实习# #马上消费金融#

先自我介绍。项目。感觉面试官不太懂多模态。也没问啥。无八股。做题。代码：三数之和。钉钉出现故障，面试官口述了问题，然后让我讲了一下思路。反问。面试官说了很多。挺能聊的。岗位主要是做 agent 相关，用户出行规划、订票(机票火车票)建议。工作内容还可以，不是那么无聊。感觉不太匹配，50%概率挂。

#牛客AI配图神器#1、项目拷打，问项目用到的模型和方法，很细2、场景题：花呗申请风险识别可用的分类方法3、知道的一些搜索模型4、机器学习和深度学习在风控算法上的应用优缺点5、视觉神经网络的差异6、lstm和transformer之间的差异算法题：打印所有质数，并且算我写的算法的时间复杂度（其他不太记得了，聊了很长时间，一开始先问了自己设定的发展方向，说完之后，面试官和我说，我的职业规划和他这边不匹配，他那边主要是做风控那边的智能算法，最后直接发感谢信了，不过面试官特别认真，很nice）

先面试后笔试，二面前我做的笔试一面（电话面 40分钟）3.171.介绍实习+项目1.2问数据量+效果1.3实时数据的读取优化1.4如何保证锁的key唯一的1.5为什么会有弱网环境？传入数据是怎么做的？2.可观测链路配置细节2.1为什么考虑用 OpenTelemetry？2.2如何学习ClickHouse？遇到什么困难？如何解决？3.拷打队友匹配系统3.1缓存预热后的命中率3.2什么算法推荐队友？（本来答的是联查数据表，面试官引导了一下，图论其实更加智能）3.3定时任务的设置和Redis过期时间的配置3.4数据表的设计4.NLP项目4.1具体什么策略去提升性能4.2调了什么参数4.3模型基座是哪...