大模型面经 秒进人才库版

理性讨论。 目前 LLM 对于文本处理的影响巨大。CV领域目前未见类似NLP方向上极具影响力的模型。大致现状：1 无论是 NLP 还是 CV，很多时候都面临数据不足等问题。CV可能还停留在数据不足扩充数据的微调阶段。2 NLP 方向，LLM看似强大，但是对于实际业务的对齐与落地，目前仍然没有让人眼前一亮的垂类应用出现（可能是我不知道，如有，欢迎告知）所以问题来了：1. 如果说 CV 的微调仍有意义的话，NLP的未来在哪里：大多数人或者企业是没办法训练模型的，甚至部署推理都有硬件压力。2. NLPer难道真的都在写一些 prompts？ 做一些 RAG？ 大多数情况下做出来的产品，无论CV还是NLP，都是四不像的，这有什么意义吗？3. 如果想要扩展职业道路或者开辟新赛道，又有哪些选择呢？配个图，可能又要伤一批人的心了。但是事实就是如此。希望能看到一些有用的讨论，以为广大所谓的 "算法工程师" 带来一些理解

bg：2本 top2硕 tx一段大模型实习 学校研究方向及其抽象基本没面试官问 秋招主要投递大模型应用/NLP岗位简单总结下科大讯飞面试体验，流程推进极慢，每次推进基本都要两周左右，面试无手撕，算法困难户友好timeline：2024.8.11 科大讯飞-飞星计划 NLP 简历投递2024.8.22 科大讯飞-飞星计划 NLP 一面 1H左右面试问题：1. 自我介绍2. 拷打tx实习项目，大概用时20min3. 考察常见八股，常见结构的大模型代表（encoder-only、decoder-only、encoder-decoder）以及他们为什么是那些结构； ...

bg两端大厂AIGC实习，两篇学生二作a，面试体验很好，流程推进很快，可以从容准备其它的面试了一面1、清洗策略2、特征压缩模块如何做3、自动化数据采样策略是怎么自动化的？4、模型评测的指标5、通用模态数据集是怎么构建的6、CLIP中都有哪些数据采样策略7、手撕 迭代法中序遍历二面1、实习项目介绍，遇到的任务是什么，挑战和难点2、Multi-agent提升术多样性，降低拟人化BadCase率，怎么设计的？3、大模型是否能既降低BadCase率，又提供风格多样性？4、实习公司可以转正吗，为什么选择美团

一面（2024年7月19日）面试时长：一个半小时面试内容：八股文问题业务关键问题：面试官询问我如何解决他们业务中的某个关键问题手撕算法题反问环节二面（2024年7月25日）面试时长：一个半小时面试内容：八股文问题简历深度拷问手撕代码反问环节三面（2024年8月1日）面试时长：50分钟面试内容：简历深度拷问，挖掘项目细节反问环节在投递时，我选择了腾讯混元大模型-业务应用技术研究的通道，最终被捞到腾讯云部门。根据网上的经验分享，青云计划的录取流程较为严格，通常需要通过实习转正或提前批录取。面试官在一面时提到青云计划的要求较高，因此考察会更加细致，但在后续的面试中并未再提及“青云”二字。