LLM秋招记录

目前投了十家左右，面了两家，已收到两个offer，大模型算法初创小公司：项目拷打业务问题疯狂问，长文本相关基础八股基本没问一道算法mid，讲了思路没写本地中大厂：项目拷打基础八股，attention公式，bert系列等等概率图(不会，听不懂)机器学习(选了svm，决策树讲了)无算法题--流程中--猪熊鹅估计暂时也过不了，而且工作地点都在外市 #牛客创作赏金赛#

秋招基本结束了，后面约的公司也都不想去，只想好好放松一下，9月1正式开始秋招，总结一下2个月下来的结果。毕竟还是太菜了，再加上技术栈更偏硬件算法，所以互联网企业要么没投要么面了挂，最后的选择还是偏制造业巨头以及科研机构之类的。bg双非本211硕，一篇A会，一段oppo实习，投递方向偏AI infra、cv方向（两个方向都是寒冬，人麻了，没想到infra今年能这么炸，研一刚入行的时候以为捡到漏了）面试挂或者自行结束流程的企业：多益：秋招第一面，顺利到达hr面，结果挂了...不知道是薪资要高了还是不接受加班，周围朋友也都挂在hr面；腾讯TEG：二面挂，面试官说我对于自己研究的领域比如infra研究...

只投了我大概知道名字的公司，只拿到了三个意向，阿里，tplink，华为。家在深圳，选了阿里的话大概率回不去了。惨烈的秋招，下辈子真不学cv了，我以为我是对cv感兴趣的，现在发现我就是贱的慌，就是看到别人都说cv难所以头铁想试试而已。劝人学cv，天打雷劈！

岗位是做首页笔记推荐相关的东西，感觉算是比较核心10.21一面：自我介绍研究经历询问，研究主线是什么你的这些论文主要解决了什么问题收益体现在哪里，baseline包括哪些讲一下大模型实习，我以为会问推荐实习的BERT和GPT的区别，都是怎么训练的二者的finetune一般怎么做SFT和RLHF一般各自用在什么场景，各有什么优缺点目前long-context中主流的方法有哪些transformer和lstm+attention相比，主要的改进点是什么对整个推荐系统链路有哪些了解打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗介绍下推荐实习...