大模型八股

1.自我介绍2.介绍上一份实习，做什么？怎么做的？效果如何？3.三个项目轮番拷打，问得很细。而且面试官很喜欢问评估，但是我都没做，只有端对端的效果。4.基础八股题，从大模型预训练，lora原理和微调，sft原理，rag流程。5.反问。果然还是结果论，不然说的再天花乱坠，没有评估效果都扯淡。原理问得很深，到了公式的阶段了，顶不住了。

拷打项目前端的图片太大怎么处理如何防止自己的图片被别人拿去用？（防盗链）实现？项目有没有做移动端适配（面试官好像要做这个）如何度量页面加载？（domcontentload，load，FP，FCP，LCP，FMP）pinia持久化存储localstroge，大小？……如何插入大量节点而不影响性能，避免频繁重绘重排（documentFragment）题目：滑动窗口HTML CSS小布局

滴滴秋储 大模型岗等我都在别的公司入职了，滴滴才打电话oc，之前在网上看到有人滴滴等了二十多天才等到offer，没想到我也是这样。本身是做图像相关的，有vision transformer经验在某习僧投递 面试滴滴智能客服agent大模型岗，没有大模型经验一面全程问项目 没有手撕代码 面试官好像也不太懂cv 问了一些基础问题 比如特征层经过卷积后的尺寸公式 resnet的好处 梯度消失梯度爆炸的原因及解决方法 二面问了在投论文和毕设 以及cv和nlp transformer的比较 还有场景题 比如现在的agent大模型泛化性不强 输入的文本换一下就执行不了相应的命令了怎么解决 最后让手动实现以梯度下降的思想求3的根号 最后没撕出来 二面面试官人很温和 很有亲和力 面完后就说我有transformer的经验 他们以后也会做多模态方面的工作 跟我的背景还挺契合 就看以后我的offer选择了 当时面完感觉挺稳的 自己也挺想去的 就是offer 发太晚了 hr电话通知的时候就拒了。时间线：5.22 一面 5.27 二面 6.17oc

LLM微调方法(Efficient-Tuning)六大主流方法：思路讲解&优缺点对比[P-tuning、Lora、Prefix tuing等] 由于LLM参数量都是在亿级以上，少则数十亿，多则数千亿。当我们想在用特定领域的数据微调模型时，如果想要full-tuning所有模型参数，看着是不太实际，一来需要相当多的硬件设备（GPU），二来需要相当长的训练时间。因此，我们可以选择一条捷径，不需要微调LLM的全量参数，而只需要新增少量的参数，通过固定原始模型参数，而只需要微调新增的少量参数，从而达到接近使用全参数full-tuning的效果。本章主要讲述在LLM时代，当下主流的微调方法。 1...