实习周记

#牛客创作赏金赛#从三四月份开始为秋招的提前实习做准备，中间也在摸索论文的开展，中间论文换题重写各种情况，论文弄得身心俱疲。后来化身黑奴去互联网做牛做马几个月，秋招精力投放拉满，结果也没有满意的进度。现在论文的预答辩都通过了，手上还是0offer，也更加对未来不确定性迷茫，这年不好过啊。。#我的求职思考#

一面0、研究方向实习时长1、问实习项目为什么用LSTM数据来源评价指标加速框架原理2、问多模态项目创新点数据类型介绍一下软投票介绍一下五折交叉3、问目标检测项目如何提取关键帧DBB如何实现GAM如何实现准确率有多少4、问推荐算法项目只用了传统算法吗评价指标反问1、岗位做什么2、面试表现如何

跟着中科院博士，14 周入门➕发表第一篇大模型论文 一、方向介绍在不到四年时间里，Transformer模型以其强大的性能迅速在NLP社区崭露头角，进而，基于Transformer这一标准架构的BERT、T5，乃至当下热门的GPT模型已经逐渐成为各个领域中的不可或缺的模型架构。深入理解Transformer模型背后的底层原理，以及Transformer相关的主流应用场景，具有非常重要的意义。第一部分：基础原理从Transformer的经典架构入手，我们将探讨：★编码器-解码器结构（标准Transformer）的底层原理★语言模型的理论基础及全流程★仅编码器（BERT）结构的语言模型★仅解码器（GPT）结构的语言模型第二部分：应用研究聚焦基于Transformer关键技术的实际应用，深入研究：★基于标准Transformer的机器翻译★基于BERT的判别式任务微调★微调一个自己的小型GPT模型★实战高效微调大语言模型★提示词工程进阶课程通过14周逐步深入的学习，学员可理解主流Transformer架构的底层原理、基础实现，并跑通标准的训练、微调流程，将所学知识拓展至新场景的应用中。进阶方向包括多模态Transformer、垂类大模型训练与微调、大语言模型推理优化等等。#大模型# #牛客AI配图神器# #AI了，我在打一种很新的工#

团队介绍团队负责淘天图文、视频、直播等多样形式的泛内容业务的算法研发建设，致力于利用人工智能前沿技术在内容的挖掘、理解认知、表示学习、 大模型、AIGC等研究方向来打造淘天内容商业引擎，深度参与内容从生产到理解到分发的全流程；团队在多模态的内容数字化，用户内容消费认知层面持续深耕，并在工业领域的多媒体相关技术应用上有着深厚的积累。研究水平：团队长期深耕多模态技术和细粒度内容表征技术，在21-23年期间，在CVPR细粒度及多模态竞赛中累计取得了5次冠军、1次亚军和1次季军的优异成绩，并在视觉与多模态领域发表了多篇CCF-A级论文。合作经历：团队有丰富的学术合作经验，开展过多次AIR项目，并且都顺...