26届深圳德科信息公司180可以去？

🔞 美甲🧑‍🔧 语音算法实习😶‍🌫️ 项目提问+八股1. 自我介绍2. 介绍一下简历上的大模型项目；讲一讲如何做数据清理的；角色知识增强是怎么做的；推理阶段有无优化；有没有最新的改进。3. 介绍一下现在的研究方向以及论文。（主要听听思路，由于我说借鉴了RLHF的思路，借机问了一下RLHF的技术框架）4. LoRA的原理；RLHF的细节（要求更细致的介绍，这里问了一个我不是很理解的问题，除了reward model和llm，还用到了什么模型？之后查了一下确实就这两个啊）5. 手撕MHA（pytorch）；GQA的原理。6. 输入的padding部分是如何参与计算的；为什么用left padding而不是right padding。7. 让大模型确保输出json格式有什么办法？8. 介绍一下softmax的数值溢出，以及有什么办法解决。反问：主要业务是什么；实习时间的要求。感觉比之前面试状态要好很多，回答还是比较流畅。同时，这次发现了一些之前没复习到的地方，回去一定补。

终于收到水滴的面试了，面了一个多小时，能感受到面试官对技术的追求和激情，说实话还挺感染我的，但是他问的问题和时长让我汗流浃背啊，扣着各种细节去追问，记录了部分面试问题：1、自我介绍2、项目讲解3、指令集构建这一块有遇到什么难点吗？怎么解决的？4、用的什么微调，讲一下lora、p-tunning的原理5、大模型微调用到了什么框架6、 Lora的训练原理和使用是怎么样的？7、lora怎么做矩阵的初始化，为什么这样做8、有对比其他模型进行微调吗？微调后的效果怎么样？9、Lora的应用场景是什么？10、 llama的模型结构11、微调后的badcase怎么处理？12、怎么解决大模型的重复回答的问题？13、LLM推理都有哪些参数设置（top-k，top-p），一般怎么调整?14、Beam Search（束搜索）15、RAG16、RLHF、PPO、DPO算法17、VLLM的KV  Cache原理手撕：正则匹配，按照优先级规则将长文本划分句子最后反问环节问了业务方向和校招生培养，我也大概了解到了水滴对校招生的重视，不光有一年的721培养机制，而且对校招生有充分的放权和自由度，可以接触的业务还挺多的，甚至可能有CEO或者业务一号位直接来带，也分享了一个由CEO带出来的业务一号位的清华学长的故事，还很耐心的给我分享了他们的自研大模型，面试官特别健谈，也缓解了我的紧张情绪，总之好感度还是非常强的，希望能通过吧！#水滴春招##校招##面试经验#

前言我之前整理过JVM超详细八股笔记:https://www.nowcoder.com/discuss/593844277646471168?sourceSSR=search，但是说实话因为这份这份八股资料过于详细，内容过于充实，给背记带来了很大的挑战，所以我准备再出一系列帖子，内容就是我根据自己的面试经历和网上的面经，去筛选八股里面哪些是最常被问到的问题把它们整理出来，这样也能省去大家自己整理和筛选的时间，大家可以在面试前一两个小时快速把这一系列最常问八股的帖子拿出来看看，临时抱佛脚的效果应该很好。后面这系列帖子我会放入专栏https://www.nowcoder.com/creation/...