阿里 飞猪 大模型 暑期实习 一面&二面&hr面

今天老师给大家分享大模型项目准备经验，供各位同学参考学习。1️⃣大模型流程✅数据处理：1.参考 deepseek 、 llama 、 qwen 等技术报告的数据清洗工作；2.强烈建议使用 Data - Juicer 做启发式数据清洗工具；3.做数据多样性探索，保证 Prompt 的多样性；4.做数据质量增强，用强基座做数据改写等。做拒绝采样保证 response 的" Online "性质。✅开始训练：1.卡多做 CPT ，没卡就基于 Base 模型做 Post - Training ;2.不同规则的模型调参差异大，参考大厂技术报告和其他博客；3.试试不同的训练策略，有挺多 fancy 的增量预训练和 Post - Training 方法，多试试；✅评估 Case :1.在常见的 Benchmark 上看看效果，脚本都有现成的；2.不要只看指标和 loss ,多分析 case ，知道加什么数据，摸清模型的边界能力，持续迭代优化模型能力；3.基座或者 Chat 作为 Baseline ，对比看看效果。2️⃣做一个垂域大模型项目资源准备：你需要准备至少4张3090级别的显卡，核数足够多的 CPU 。✅前期准备：1．调研业务，设计业务场景，分析可行性（数据，技术，实用性）;2．会爬虫；3.需要留钱买 API ;✅数据处理：1．爬的数据很脏，一定要做数据清洗；2.如果垂域没那么垂直，比如法律方向，大概率 Base 模型见过了，可以选择不做垂域和通用的数据配比；评估 Case :搞两个 Benchmark ，垂域和通用的，通用不能掉点太多;评估下一致性，从训练集里按任务分层抽样看看 case ;3️⃣做一个大模型应用做完上面两个项目后，其实都可以在此基础上构建一个大模型应用，目前最多的就是 rag 或者 agent 嘛，讲讲如何构建一个 RAG 。✅前置能力：1．学下 Langchain 和 Llama - index ;2.看看简单的 workflow 怎么做的，强烈推荐看看 Anthropic 的《 Building effective agents 》;3．有一定的工程能力。✅参考框架：1.Langchian- Chatchat ，之前笔记就推荐了， rag 很有影响力的开源项目，而且可优化点多；2.Qanything;3.自己手搓个 workflow .可优化点：内容供给；重排策略;微调 embedding ;意图分流单独训个 agent ;优化归纳📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系

最近发现一个超级重要的求职趋势：几乎所有大厂的产品、研发岗位笔面试都开始考察大模型相关知识了！🤯 不懂大模型，简直寸步难行！今天就来分享牛客网最新上线的大模型专项练习，帮你轻松应对面试难题！👇💫 为什么大模型知识这么重要？现在的互联网公司几乎都在布局AI大模型，无论是产品设计还是技术开发，都需要对大模型有基本认知。面试官最爱问的就是这些新知识点，提前准备绝对能让你脱颖而出！✨🧠 大模型专项练习内容揭秘牛客网的大模型专项练习分为两大板块，超级全面：1.大模型基础概念篇 - 必备八股文这部分就像是大模型的"八股文"，包含了：Transformer架构详解注意力机制原理微...

已发意向一面：自我介绍围绕实习问了增量预训练SFT和强化学习的取舍数据合成和筛选流程无八股手撕两数之和二面:自我介绍问了下对齐方面的问题，主要是GRPO PPO DPO区别和怎么应用落地项目的一些难点，项目和飞猪当前方向相关，做智能客服deepseek的八股 如MLA原理，GRPO的优势函数怎么计算无手撕30分钟左右，口头发了offerHR面问了下base意向，面完秒发意向

选择题24道单选1道多选单选考的还蛮杂的，像是SpringBoot的事务注解，享元模式，AVL排序树等等多选是多线程编程两道都很简单第一道一个环状字符串求其中只包含单一字符串的最长子串的长度 复制字符串检测连续子串长度 最后检查是否超过原字符串长度第二道 字符数组 每次把matrix[0][0] 右移到 matrix[n-1][m-1]，其余字符向前一位 位移次数a，输出 b行c列的字符串是什么直接用一个字符串存储字符，每次计算输出哪一位 秒了