LLM

最近大模型带火了算法岗，很多同学纠结该选算法还是开发。今天站在中立角度聊聊这两个方向，希望帮你找到最适合自己的路。开发的优势:1.学习氛围好：实验室里大部分同学都走开发方向，遇到问题可以互相交流，信息互通有无。算法学习往往需要独自钻研，这种支持系统对校招很重要2.岗位机会多：开发的招聘名额远多于算法，这是不争的事实3.竞争相对温和：虽然应聘人数多，但竞争者水平参差不齐。只要你踏实学习、认真实习，拿到大厂offer并不需要顶尖天赋4.薪资可观：虽然上限不如算法，但开发岗的SSPoffer性价比很高，且获得难度相对较低5.职业稳定性：开发工作成果更容易量化，只要认真完成需求，绩效通常不会差。算法可能一年都没有明显产出，容易产生焦虑算法的优势:1.薪资更具吸引力：随着大模型风口，算法薪资水涨船高，与开发的差距逐渐拉大2.学习成本较低：不需要深入掌握计算机网络、操作系统等底层知识，对非科班同学更友好3.处于技术风口：大模型热潮带来更多岗位机会，虽然总量仍不及开发，但未来AI领域会持续扩张4.与科研衔接顺畅：研究生期间的算法研究虽然与工业界有差距，但底层逻辑相通，不会浪费三年积累5.工作模式更自由：算法工作重视创新思维，不是靠堆时间就能出成果。而且通常不需要处理线上紧急事故，工作节奏相对稳定选择的关键不是哪个更好，而是哪个更适合你。校招的同学建议有侧重的同时也可多方向投递，毕竟现在竞争比较激烈。更多学习干货请看我主页。开发岗 大厂求职

目前在做 Java 后端，如果秋招想转大模型应用开发的话，请问该怎么准备呢？优先主攻大模型，还是先继续深入学习 Java（目前在实习，学大模型的时间也不多）？前景如何呢（主要薪资方面相比同体量公司的 Java 岗）？小白求教，谢谢各位佬。

秋招告一段落，有的同学手握多个offer，有的却结果不尽人意。无论如何，春招都是一次不可错过的关键机会。今天结合我的观察，聊聊接下来的春招形势和备战重点。虽然春招整体岗位规模不如秋招，但同样有大量同学通过春招上岸。关键在于，竞争人数相对减少，而年底业务调整、秋招同学毁约等因素，都会在春季释放出新的HC。对于那些秋招准备不足或方向有偏差的同学，这绝对是扭转局势的最佳窗口。春招的窗口期非常集中，3月至4月是绝对的高峰，部分公司会延续到5月。原则就是：越早投递越好，因为岗位招满即止。这意味着你的所有准备，包括简历，必须在过年前后期间全部就绪。春招发力的四个核心1. 方向选择大于盲目努力：当前大模型应用、多模态、AIGC等仍是热点，可以重点评估。2. 简历：很多同学的问题不在于没经历，而在于不会提炼和表达，让亮点被淹没。简历必须与目标岗位高度匹配。3. 代码能力。4. 系统性面试准备：针对目标岗位的面试流程（技术面、项目深挖、HR面）进行全真模拟和查漏补缺。复盘秋招中被问倒的问题，进行专题突破。更多好干货信息，可看我主页。

## 日常实习生与暑期、春招实习生的区别1）日常实习生与暑期、春招实习生不冲突，有独立HC2）日常实习生不限制毕业时间，低年级学生可报名，积攒实习经验## 职位描述1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的架构设计、模型训练与评测；2、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、RAG增强生成、工具调用、数据问答、文案生成等方面的能力；3、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破复杂推理、数据洞察、AI搜索、文案创作、图像连续编辑等方向的应用创新；4、持续优化Agent算法与系统架构，构建端到端的智能体评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率，打造业内领先的AI Agent技术方案。## 职位要求1、计算机/人工智能/数学等相关专业硕士及以上学历（博士及顶会论文发表者优先）；2、对大模型前沿技术充满热情，具备攻克复杂技术难题的能力，能够快速实现Paper→Code→Solution的技术转化；3、精通Python及PyTorch/TensorFlow等框架，具备Qwen、Llama、Deepseek等模型的二次开发经验者优先；4、深入理解Transformer架构、SFT/RL训练范式及Prompt工程，了解LangChain、AutoGen等Agent开发框架，有完整智能体系统搭建经验者优先。（注：实习申请者需保证3个月或以上的实习周期，提供充足的GPU算力资源及丰富的业务场景实践机会）工作地点杭州【联系方式】简历内推邮箱：xinping.gxy@taobao.com邮件标题格式：淘天-AI Agent算法工程师（大模型方向）-日常实习生-姓名

问的很细很深，狠狠拷打了80分钟，这个组做LLM pretrain的，我主要会rl，nlp缺乏点，一面凉自我介绍项目微调模型训练数据来源？LORA的理解Ptuning和全量微调对比RLHF全流程写出RLHF的优化目标公式目标公式中衰减因子的作用，取大取小有什么影响？RLHF的目标公式可以加入什么其他的项？熵正则项是如何加入的？KL散度理解？RLHF中PPO算比率相对什么来算？其中对数概率的作用？马尔科夫决策过程的定义，有哪些参数变量需要考虑？Reward model 训练的loss是什么？模型为什么会胡言乱语？根源在哪？可以考虑如何解决？模型微调会性能下降为什么还需要这一步？文本数据处理到进入...

摘要： 1. 阿里国际AE广告算法组，广告算法暑期实习生，base杭州。2. 转正率高，去年实习生都转正了。3. 组内氛围和工作强度都很友好（去年实习生都接了offer）。4. *************。阿里国际-广告算法工程师（机器学习、搜索推荐、强化学习、运筹学、MLLM/LLM大模型）--杭州我们是AliExpress广告算法团队，负责全球跨境电商AliExpress平台广告算法优化，包括搜索推荐场域的粗精排、召回优化，商家机制优化、以及AIGC及其他大模型应用。岗位职责包括但不限于：1. 设计和优化相关性下的Query理解、类目预测、深度语义相关性、商品理解、实体匹配等方向。2. 运用全域建模、用户序列建模等技术，优化电商各个场域的商品召回、排序、机制等。3. 运用运筹学、强化学习等，优化广告投放机制，保证消费者体验、广告主投放效果、平台需求的良好平衡。4. 跟进业内多模态大模型的基础和应用研究，参与电商领域内的多模态大模型研究和落地，如电商多模态大模型预训练、商品多模态内容提取、多模态商品召回&相关性。5. 跟进业内图文/视频生成的应用研究，参与电商AIGC类算法研究和落地，如商品营销背景生成、商品文案生成、商品营销视频生成等。6. 深入探索Multi-Agent框架，融合Post-Training阶段的SFT、Reasoning-oriented RL等技术，参与到跨境电商领域Agent的最新落地应用建设。岗位要求1. 计算机、人工智能相关专业硕士及以上学历。2. 熟练掌握Java/C++/Python中至少一门语言，有扎实的数据结构和算法基础。3. 熟悉常用的机器学习和深度学习算法及Tensorflow/Pytorch等至少一种深度学习框架。4. 具备优秀的分析和解决问题的能力，良好的沟通协作能力。5. 有较强的技术热情，有真实乐观、不畏挫折的心态；具备优秀的学习能力和团队合作精神。6. 极佳的工程实现能力，对大语言模型或多模态大模型技术有较为深入的理解，熟悉大模型调优技术。7. 有强烈求知欲，对人工智能领域相关技术有热情，有强烈的责任心和团队合作精神。

【LLM算法实习生招聘】【部门介绍】淘天集团供给智能团队定位于淘系供给侧（商家/商品/行业）业务场景，以AI能力为核心驱动的技术团队。【岗位描述】参与大语言模型前沿算法研发工作：专注于围绕OpenAI o1相关工作的背景技术探索：包括不限于技术探索、算法复现、技术创新等。提升大模型的Reasoning、Planning、Tool using、Reflection、Self-play等能力。【基本要求】1、计算机或相关专业硕士及以上学历；2、对大模型新技术感兴趣，具有良好的英文阅读能力和写作能力，有英文论文写作/发表经验；3、了解前沿NLP大模型算法知识，有模型训练经验。4、出色的问题解决能力和创新能力，能够解决复杂的技术挑战；5、实习时间6个月或以上。【具备以下条件优先】1、有ACL等顶会论文发表经验；2、熟悉大模型推理优化、自主学习或强化学习算法、了解OpenAI o1相关工作。【岗位亮点】1. 资源丰富，有AI相关成熟产品，2. 团队氛围轻松，师兄师姐对新人负责。3. 表现优秀者，有转正机会。【投递渠道】有意向者可投递简历至**********，一个工作日内回复。引流

大佬们，bg末流双9，已投iclr6555被拒，转投icml中，想找找大模型算法实习，八股在哪背呀，需要背哪些呢，求指教

LLM 大模型学习必知必会系列(一)：大模型基础知识篇  魔搭 ModelScope 开源的 LLM 模型  魔搭 ModelScope 欢迎各个开源的 LLM 模型在社区上做开源分享。目前社区上已经承载了来自各个机构贡献的不同系列的 LLM 模型。并且社区的开发者也在这些模型的基础上，贡献了许多创新应用，并在 ModelScope 的创空间上进行分享。本专题初步梳理了当前社区上一些典型的 LLM 以及对应的创空间应用，方便大家对于 LLM 及其周边生态有更好的整体了解，也欢迎大家贡献更多的模型和创空间，一起玩转 LLM 的世界。 https://modelscope.cn/topic/dfe...

人工智能大语言模型微调技术：SFT 监督微调、LoRA 微调方法、P-tuning v2 微调方法、Freeze 监督微调方法 1.SFT 监督微调 1.1 SFT 监督微调基本概念 SFT（Supervised Fine-Tuning）监督微调是指在源数据集上预训练一个神经网络模型，即源模型。然后创建一个新的神经网络模型，即目标模型。目标模型复制了源模型上除了输出层外的所有模型设计及其参数。这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。源模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。微调时，为目标模型添加一个输出大小为目标数据集类别个数的输出层，...

时间：2024.4.9，下午3点面试形式：线上，飞书岗位：测试开发--抖音电商其实我的经历和测开没有任何经历，我的简历是关于LLM的简历，但是没想到过了初筛，进面试了（当时抱着随便投一下的态度，因为我的算法岗位实习被挂麻了）自我介绍（介绍的很短，因为我根本没有相关的东西介绍）hr是女面试官，hr真的很好，全程都在引导我说，没有施压（主要是我菜）。问了我上一段实习经历（LLM相关），奇妙的点就来了，她不太懂LLM相关的东西，然后我介绍一点，她不懂的就问我，我就给她解释（比如：PT、SFT、RAG什么的）然后问了我的课题，问了我的项目，因为做过一个图像的项目，关于动作识别的，她对这个比较感兴趣。聊...

大语言模型的预训练[3]之Prompt Learning：Prompt Engineering、Answer engineering、Multi-prompt learning、Training strategy详解 1.Prompt Learning 1.1 Prompt Learning 的出现背景 目前学术界一般将 NLP 任务的发展分为四个阶段，即 NLP 四范式：：   第一范式：传统机器学习模型的范式，基于全监督学习（fully supervised learning）的方法。通过构建特征工程（feature engineering），利用领域知识从数据中提取好的特征，直接解决下游...

LLM 大模型学习必知必会系列(四)：LLM训练理论篇以及Transformer结构模型详解 1.模型/训练/推理知识介绍 深度学习领域所谓的“模型”，是一个复杂的数学公式构成的计算步骤。为了便于理解，我们以一元一次方程为例子解释：  y = ax + b  该方程意味着给出常数a、b后，可以通过给出的x求出具体的y。比如：  #a=1 b=1 x=1 y = 1 * 1 + 1 -> y=2 #a=1 b=1 x=2 y = 1 * 2 + 1 => y=3  这个根据x求出y的过程就是模型的推理过程。在LLM中，x一般是一个句子，如“帮我计算23+20的结果”，y一般是：“等于...

想问下有想来 Trae & Marscode 杭州做暑期的 26届牛友吗😁有转正 hc，正在扩张希望硕士硕究生及以上且做过 LLM 相关项目，之前有过互联网实习就更好了加分项: 发过软工 A 会或期刊，有过实习，acm 获奖，有程序分析或编译器开发经历感兴趣的可以联系我~ *******************

职位描述： 1. 基于LLM大模型，在办公场景智能办公助理上推进智能问答、工具学习能力上的优化。2. 通过办公场景数据的挖掘，能够增强和丰富模型训练数据集，全面提升模型效果服务到业务；3. 根据业务需求，进行人工智能相关前沿算法领域的研究，包括机器学习，大规模预训练，智能决策，工程落地等；职位要求：1. NLP专业为佳，3-10年工作经历，深入理解目前主流LLM大模型方向相关算法与工程实践；对NLP及LLM技术最新发展持续跟踪学习。2. 熟悉java或python，有过模型训练、调优、微调或者模型训练工程化开发经验者优先；3. 较强的表达和沟通能力，对技术有激情，喜欢钻研，良好的学习能力。有意者可将邮件发至**********

BG：双非本 末9硕 无实习 无成果 ktz无资源 非科班是走Agent 的开发还是传统的业务开发，或者是其它的方向呢？走Agent开发需要我在这半年时间里，学习一遍，基本从0开始，不知道学历够不够，时间来不来得及C艹稍微熟悉点 Java没学过基本上干了一年的h项，这一年学习并做了相关infra的项目，但项目的深度不太够，且这个赛道比较小，未来还是难去芯片厂或一些大厂，因此大概率想转行求各位大佬指点一下，谢谢！！！

LLM 大模型学习必知必会系列(三)：LLM和多模态模型高效推理实践 1.多模态大模型推理 LLM 的推理流程：  多模态的 LLM 的原理：  代码演示：使用 ModelScope NoteBook 完成语言大模型，视觉大模型，音频大模型的推理 环境配置与安装 以下主要演示的模型推理代码可在魔搭社区免费实例 PAI-DSW 的配置下运行（显存 24G） ：  点击模型右侧 Notebook 快速开发按钮，选择 GPU 环境： 打开 Python 3 (ipykernel)：   示例代码语言大模型推理示例代码  #通义千问1_8B LLM大模型的推理代码示例 #通义千问1_8B:https:...

京东测开vs现代汽车LLM应用开发vS安克LLM 应用 offer选择rt，鼠鼠实习找到6月底终于有offer了😭1.京东测开（北京，暑期实习，可转正，大时尚事业部，具体业务不太清楚，有可能是点点点）2.现代汽车LLM应用开发（上海，智能座舱方向，日常实习，HR说看表现能转正🤔）3.安克（深圳，最近大规模召回充电宝那个，主要是做面向公司内部的智能体开发，日常实习）暑期实习大厂后端开发几乎全军覆灭，华为到现在还是offer审批（已经不抱希望了生)，暑期实习前半段被后端打击信心了，然后调整策略测开和大模型应用都投了一些的，秋招还是想找后端开发，不知道测开实习对后端用处大不大，大模型应用感觉就RAG和agent，似乎更简单一些，秋招大模型应用岗位好找嘛