五一之后，实习真的很难找吗？

楼主最近拿到了某大厂的后端offer，但是填入职信息的时候遇到了一些问题。楼主肢体三级残疾，但是不影响日常生活与工作。在填写入职信息的时候，在纠结要不要如实填报残疾情况。楼主很怕因为这个原因，公司收回offer了。请大家帮忙支个招，感谢。#五一之后，实习真的很难找吗？##你的实习什么时候入职##牛客创作赏金赛##如何缓解入职前的焦虑#

一面技术面，面试官应该是一个老骑手了，懂得很多，拷打的很深，很多问题我都答不上来，感觉进不了站长二面了。。。1.自我介绍，有什么特质适应骑手的工作#五一之后，实习真的很难找吗？##牛客AI配图神器#然后开始问情景题2.假设你午高峰时同时配送多个订单，cbd有5个订单同时超时预警，其中3个在写字楼20层以上且电梯排队，1个是容易洒的汤品，另1个客户备注“迟到就拒收，等着差评吧”，你会如何设计这次配送的策略？根本答不出来，感觉就不应该一次接这么多单。。。。我回答应该按照距离来看，然后再先满足汤品，然后送备注的那个客户，最后再送写字楼的，面试官感觉不是很满意。。。3.调度系统发现骑手在午高峰时只接距离近、单价高的订单，导致长距离订单积压。作为平台方，你会如何优化调度算法来平衡骑手收益和用户体验？答不上来。。。骑手岗为什么会问到平台方啊，直接说不清楚，换个问题4.换了个问题，现在你手上已经有4个订单，全部临近超时，这时系统突然推送一个肥单，配送费翻倍。但接了必然导致已有订单超时。你会怎么决策？答应该放弃肥单，肯定不能超时啊。。。不知道为什么要问这个，感觉现在美团特别喜欢问超时的情况？感觉面试官已经有些不耐烦了。。。。回答的确实不好，可能这些问题对于老骑手来说很简单吧，然后问了道算法5.算法：给定一个地图（用邻接矩阵表示），m个取餐点和n个送餐点坐标，你当前位于取餐点1，计算最优路径，使得总行驶距离最短，且所有餐点都取到后再开始配送，要用贪心，但是时间太短了没做出来。。。6.反问，我问了咱们站点主要接的单是周围多大范围的，爬楼多不多，面试官回答要具体看情况，不好说，但是爬楼肯定要爬。然后又问了问面试官个人对于差评是怎么看的，大概差评率多高算高，面试官说越低越好，不好确定，怎么感觉什么都没问出来。。。感觉要挂了，发个面经攒功德，如果挂了我就投隔壁京东骑手了，那边貌似缺人，应该好进一些。。。。有无uu已经是骑手的给个内推？#面试时最害怕被问到的问题##如何判断面试是否凉了##大家都开始春招面试了吗##美团##美团约面##美团暑期一面#

真服了，我不信有这个题，还不会常见的业务题◆ 大模型（LLMs）基础面• 目前主流的开源模型体系有哪些？• prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别是什么？• 大模型LLM的 训练目标 是什么？• 涌现能力是啥原因？• 为何现在的大模型大部分是Decoder only结构？• 简单 介绍一下 大模型【LLMs】？• 大模型【LLMs】后面跟的 175B、60B、540B等 指什么？• 大模型【LLMs】具有什么优点？• 大模型【LLMs】具有什么缺点？◆ Layer normalization 篇• Layer Norm 的计算公式写一下？• RMS Norm 的计算公式写一下？• RMS Norm 相比于 Layer Norm 有什么特点？• Deep Norm 思路？• 写一下 Deep Norm 代码实现？• Deep Norm 有什么优点？• LN 在 LLMs 中的不同位置 有什么区别么？如果有，能介绍一下区别么？• LLMs 各模型分别用了 哪种 Layer normalization？◆ LLMs 激活函数篇• 介绍一下 FFN 块 计算公式？• 介绍一下 GeLU 计算公式？• 介绍一下 Swish 计算公式？• 介绍一下 使用 GLU 线性门控单元的 FFN 块 计算公式？• 介绍一下 使用 GeLU 的 GLU 块 计算公式？• 介绍一下 使用 Swish 的 GLU 块 计算公式？◆ Attention 升级面• 传统 Attention 存在哪些问题？• Attention 优化方向• Attention 变体有哪些？• Multi-head Attention 存在什么问题？• 介绍一下 Multi-Query Attention？• 对比一下 Multi-head Attention 和 Multi-Query Attention？◆ transformers 操作篇◆ LLMs 损失函数篇◆ 相似度函数篇◆ 大模型（LLMs）进阶面◆ 大模型（LLMs）微调面◆ LLMs 训练经验帖◆ 大模型（LLMs）langchain 面◆ 多轮对话中让AI保持长期记忆的8种优化方式篇◆ 基于langchain RAG问答应用实战◆ 基于LLM+向量库的文档对话 经验面.......#五一之后，实习真的很难找吗？##牛客在线求职答疑中心##笔试##面试#

最近春招正在如火如荼地进行中，看到很多人的简历上都包含大模型相关的工作，各家大厂和初创都很舍得给钱，动辄百万年包也变得不再稀奇。因此在大模型纵横的这个时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。本文汇总了107道大模型算法岗常见的面试题（含答案），内容如下：一、基础篇1、目前主流的开源模型体系有哪些？Transformer体系：由Google提出的Transformer 模型及其变体，如BERT、GPT 等。PyTorch Lightning：一个基于PyTorch的轻量级深度学习框架，用于快速原型设计和实验。TensorFlow Model Garden：TensorFlow官方提供的一系列预训练模型和模型架构。Hugging Face Transformers：一个流行的开源库，提供了大量预训练模型和工具，用于NLP 任务。2、prefix LM 和 causal LM 区别是什么?prefix LM (前缀语言模型)：在输入序列的开头添加一个可学习的任务相关的前缀，然后使用这个前缀和输入序列一起生成输出。这种方法可以引导模型生成适应特定任务的输出。causal LM (因果语言模型)：也称为自回归语言模型，它根据之前生成的 token 预测下一个token。在生成文本时，模型只能根据已经生成的部分生成后续部分，不能访问未来的信息。3、涌现能力是啥原因?涌现能力 (Emergent Ability) 是指模型在训练过程中突然表现出的新的、之前未曾预料到的能力。这种现象通常发生在大型模型中，原因是大型模型具有更高的表示能力和更多的参数，可以更好地捕捉数据中的模式和关联。随着模型规模的增加，它们能够自动学习到更复杂、更抽象的概念和规律，从而展现出涌现能力。4、大模型LLM的架构介绍?大模型LLM(Large Language Models) 通常采用基于Transformer的架构。Transformer模型由多个编码器或解码器层组成，每个层包含多头自注意力机制和前馈神经网络。这些层可以并行处理输入序列中的所有位置，捕获长距离依赖关系。大模型通常具有数十亿甚至数千亿个参数，可以处理大量的文本数据，并在各种NLP任务中表现出色。前馈神经网络 (Feedforward Neural Network) 是一种最基础的神经网络类型，它的信息流动是单向的，从输入层经过一个或多个隐藏层，最终到达输出层。在前馈神经网络中，神经元之间的连接不会形成闭环，这意味着信号在前向传播过程中不会回溯。前馈神经网络的基本组成单元是神经元，每个神经元都会对输入信号进行加权求和，然后通过一个激活函数产生输出。激活函数通常是非线性的，它决定了神经元的输出是否应该被激活，从而允许网络学习复杂和非线性的函数。前馈神经网络在模式识别、函数逼近、分类、回归等多个领域都有应用。例如，在图像识别任务中，网络的输入层节点可能对应于图像的像素值，而输出层节点可能代表不同类别的概率分布。训练前馈神经网络通常涉及反向传播 (Backpropagation) 算法，这是一种有效的学习算法，通过计算输出层的误差，并将这些误差信号沿网络反向传播，以调整连接权重。通过多次迭代这个过程，网络可以逐渐学习如何减少输出误差，从而实现对输入数据的正确分类或回归。在设计和训练前馈神经网络时，需要考虑多个因素，包括网络的层数、每层的神经元数目、激活函数的选择、学习速率、正则化策略等，这些都对网络的性能有重要影响。5、目前比较受欢迎的开源大模型有哪些?GPT系列：由OpenAl开发的生成式预训练模型，如 GPT-3。BERT系列：由Google开发的转换式预训练模型，如BERT、RoBERTa等。T5系列：由Google开发的基于Transformer的编码器-解码器模型，如T5、mT5等。6、目前大模型模型结构都有哪些?Transformer：基于自注意力机制的模型，包括编码器、解码器和编码器-解码器结构。GPT系列：基于自注意力机制的生成式预训练模型，采用解码器结构。BERT系列：基于自注意力机制的转换式预训练模型，采用编码器结构。T5系列：基于Transformer的编码器-解码器模型。7、prefix LM 和 causal LM、encoder-decoder 区别及各自有什么优缺点?prefix LM：通过在输入序列前添加可学习的任务相关前缀，引导模型生成适应特定任务的输 出。优点是可以减少对预训练模型参数的修改，降低过拟合风险；缺点是可能受到前缀表示长度的限制，无法充分捕捉任务相关的信息。causal LM：根据之前生成的 token预测下一个 token, 可以生成连贯的文本。优点是可以生成灵 活的文本，适应各种生成任务；缺点是无法访问未来的信息，可能生成不一致或有误的内容。encoder-decoder：由编码器和解码器组成，编码器将输入序列编码为固定长度的向量，解码器 根据编码器的输出生成输出序列。优点是可以处理输入和输出序列不同长度的任务，如机器翻译；缺点是模型结构较为复杂，训练和推理计算量较大。8、模型幻觉是什么?业内解决方案是什么?模型幻觉是指模型在生成文本时产生的不准确、无关或虚构的信息。这通常发生在模型在缺乏足够信息的情况下进行推理或生成时。业内的解决方案包括：使用更多的数据和更高质量的训练数据来提高模型的泛化和准确性。引入外部知识源，如知识库或事实检查工具，以提供额外的信息和支持。强化模型的推理能力和逻辑推理，使其能够更好地处理复杂问题和避免幻觉。9、大模型的Tokenizer的实现方法及原理?大模型的Tokenizer通常使用字节对编码 (Byte-Pair Encoding,BPE) 算法。BPE算法通过迭代地将最频繁出现的字节对合并成新的符号，来构建一个词汇表。在训练过程中，模型会学习这些符号的嵌入表示。Tokenizer将输入文本分割成符号序列，然后将其转换为模型可以处理的数字表示。这种方法可以有效地处理大量文本数据，并减少词汇表的规模。10、ChatGLM3的词表实现方法?ChatGLM3 使用了一种改进的词表实现方法。它首先使用字节对编码 (BPE) 算法构建一个基本的词表，然后在训练过程中通过不断更新词表来引入新的词汇。具体来说，ChatGLM3 在训练 过程中会根据输入数据动态地合并出现频率较高的字节对，从而形成新的词汇。这样可以有效地处理大量文本数据，并减少词汇表的规模。同时，ChatGLM3 还使用了一种特殊的词表分割方法，将词表分为多个片段，并在训练过程中逐步更新这些片段，以提高模型的泛化能力和适应性。11、GPT3、LLAMA、ChatGLM 的 Layer Normalization 的区别是什么?各自的优缺点是什么?GPT3：采用了Post-Layer Normalization (后标准化)的结构，即先进行自注意力或前馈神经网络的计算，然后进行Layer Normalization。这种结构有助于稳定训练过程，提高模型性能。LLAMA：采用了Pre-Layer Normalization (前标准化)的结构，即先进行Layer Normalization,然后进行自注意力或前馈神经网络的计算。这种结构有助于提高模型的泛化能力和鲁棒性。ChatGLM：采用了Post-Layer Normalization的结构，类似于GPT3。这种结构可以提高模型的性能和稳定性。#五一之后，实习真的很难找吗？##面试##实习##大模型##硕士##研究生#

末流985，大一大二基本脱离学校课程自学，目前进度java全技术栈和中间件，力扣也刷了几百，c++语法什么也都会，但是心中对游戏开发和c++念念不忘，再加上业内对java唱衰，越来越学不进去，感觉从java上感觉不到编程的快乐了，有点想考虑学习游戏引擎或者c++服务器开发，有没有佬可以给点建议，下好决定就allin了(我对于想做的是真的可以从早到晚)，有没有大佬讲讲看法，不玻璃心，随便锐评，只想脱离现在这种状态😭      #实习# #拷打# #面试等了一周没回复，还有戏吗# #五一之后，实习真的很难找吗？# #牛客创作赏金赛# #26实习#

1.讲一下服务器的工作流程，是在Windows还是Linux下运行2.日志模块怎么实现的3.讲一下单例模式怎么实现的4.用过Linux的定时器吗5.static用在全局和局部有什么区别6.进程和线程的区别7.进程线程之间的通信，讲一下项目中怎么用的8.字节大端和小端9.结构体和联合体的区别10.线程之间共享内存怎么通信的11.有名管道和无名管道的区别12.浅拷贝和深拷贝13.深拷贝的具体应用场景14.数据库连接状态是什么意思，为什么你自己要用互斥锁15.讲一下指针怎么实现16.讲一下继承和多态，为什么要用虚函数实现多态17.进程间的调度算法三种18.分析代码错误19.介绍公司业务，能实习多久，什么时候能来#五一之后，实习真的很难找吗？#

专栏简介121. 分库分表中的数据定位策略详解在分库分表架构中，数据定位算法是核心环节，它决定了数据如何有效地分布到不同的数据库实例或表中。选择合适的定位策略对系统的性能、可扩展性和维护性至关重要。常用的数据定位策略包括哈希取模。这是一种简单且常见的方法，通常选择业务主键或关键字段作为分片键，通过哈希函数计算其哈希值，再对分片（库或表）的总数取模，根据余数确定数据应存储的分片。该策略实现简单，能较好地实现数据均匀分布。然而，其主要缺点在于当分片总数发生变化（扩容或缩容）时，会导致大规模数据迁移，对系统稳定性造成冲击。范围分区是另一种策略，它根据分片键的值范围来划分数据。系统预先设定好每个分片负...

云徙科技笔试到底多少分给面？我73分等一周了都没消息。#五一之后，实习真的很难找吗？#

刚刚收到了三面面邀，约的是电话面，这是主管面吗？如果是的话有uu知道可能是什么部门么？或者是加面（加面一般会放在三面么）？另外电话面是不是不会有手撕呀？#五一之后，实习真的很难找吗？##pdd##电话面试#

五一过后确实实习难找，但是也没有那么夸张哦，很多同学觉得假期后岗位少了，竞争大了，但真相是：机会一直有，关键看我们怎么找哦1.首先，别被“金三银四”吓到。虽然春招高峰期在3-4月，但5月后很多企业会补招（比如有人鸽了offer，或者项目突然缺人）。建议多盯招聘平台（***、******）、企业官网，甚至直接找内推，很多急招岗位根本不会大张旗鼓宣传！  2.其次，调整心态+策略。如果大厂暂时没坑，试试中小公司或初创团队。它们可能没名气，但能让你接触核心业务，比在大厂打杂更锻炼人。简历也别海投，针对岗位改内容，比如投运营就突出社团策划经历，投技术岗就狂塞项目代码。  3.最后，可以脸皮厚点，主动出击（哈哈这个方法适合社畜）！在招聘软件上直接私聊HR：请问还有实习hc吗？等等。甚至去小红书、微博搜实习继任，很多人离职前会发帖找替补，这种机会竞争小、流程快！  总结：难不难找取决于行动力。与其焦虑，不如每天投10份简历+练面试，说不定下一个offer就是你的！PS：暑假前是最后一波机会，冲就完事了！与诸位共勉，加油！#五一之后，实习真的很难找吗？#

双非一本鼠鼠，投暑期实习中大厂全部石沉大海，找到一份杭州初创机器人公司的ros实习（可以转正）实习还是all in秋招？以后如果从事ros相关工作会不会很卡学历？#牛客AI配图神器##五一之后，实习真的很难找吗？#

#五一之后，实习真的很难找吗？# 潜水三个月，一度不敢打开牛客，昨天终于收到了第一个offer。lz本科非科班，跨保的转码，本来对自己的基础还挺有自信的，因为本科修了很多计算机专业课，感觉ds os这些学的还蛮好，加上实验室承诺放暑期实习，所以从国庆后就用大量时间学习java相关，lc大概300多题的水平；lz的职业规划来说，其实一直是不想去互联网的，更倾向稳定，想找个国企银行，但是实习可以求互联网，毕竟是万金油的实习经历。但是到了面试的时候，才发现了很多问题。3月3.18 美团到店外卖团队，第一次面试面美团核心部门，面试官很好，开头几个场景题，让我分析，我根据理解说了一下，然后问了redis等八股，感觉自己回答的还不错，最后做题lc 93，有点难没做来，挂了3.25 被优选捞了，然后优选问的八股偏多，OS 网络 多线程，lz发现面试的时候tcp udp这种都说不明白，自己的基础有点太烂了（因为当时看mysql redis居多），其他八股以为自己懂，结果不熟悉，活该自己挂投了一堆pdd 小红书 快手，没人理4月上投了淘天，电话一面，项目被拷打的怀疑人生，八股问的我也一半不会，我都不好意思继续面，痛定思痛决定项目和八股重头来过，跟着教研室速通bat的大佬好好学饿了么，笔试挂，互联网这边冲不动了银行：招银网络科技和招卡中心一面，网络科技一面面了70分钟，我以为稳了要oc了，然后挂了。卡中心一面过，二面线下，从成都去西安面试，也是挺奔波的还参加了中总和工总的笔试，等结果中4月下感觉自己不能all in银行，今年太卷了，而且进度慢，又重新去投互联网，还有各种国企，研究所，小厂，只要是能投的我都投，大概60家左右，但是时间确实不早了，互联网只发了笔试测评，做了无消息，然后券商有人约面，等结果中；其他比如恒生电子、美的这种，做了笔试并且都a了，还是无消息，不知道他们怎么挑的人5月过了五一，第一个星期，有三个面试，好几个笔试测评，还挺累的，然后自己知道卡中心这星期大概率要开奖了，很忐忑，平安证券面完了面试官说这星期给我结果，还有一个其他小公司，等于这周开三个奖，8号晚上吃饭，卡中心来offer了，结束忐忑；总结下来，今年还是很难找，很卷，但是真的别放弃，放弃就真寄了，这几个月其中辛苦，只有找工作的各位自己才知道，希望大家接下来都能拿到满意的offer！#暑期#

双9传统工科专业，想找个java岗的暑期实习大厂、中小厂能投的都投了，结果很多都是简历挂、一面挂面试官也说过我的项目没有什么吸引点想问问佬们应该怎么优化比较好天天被打击，真的要崩溃了#五一之后，实习真的很难找吗？##java##简历中的项目经历要怎么写？##后端#

#五一之后，实习真的很难找吗？# 学历：非全日制专科学校：国开专业：智能控制技术年龄：21■期望城市：北京身高：183人在北京 求工作

#五一之后，实习真的很难找吗？# 一周内收到两个泡发的流程推进的消息：字节简历关总算过了，约一面。联想一面完了泡池子泡出来了，发offer，我都快入职鹅了，婉拒了

公司刚才发了个公告说以后公司不给带自己电脑！！！！！！！！！！！！！！！不带电脑我怎么摸鱼，，，，，，，，，，，没活的时候在工位上不就是坐牢吗。。。。。。。。。。。。学校有作业的时候我咋写，，，，，，，，，，，每天早上七点来，晚上七点多才能回去。。。。。。。。。。。。。。啊啊啊啊啊啊啊啊啊啊啊啊啊！！！！！！！！！！！！谁来教教我，我该怎么办#牛客创作赏金赛##五一之后，实习真的很难找吗？##职场吐槽大会#

我去了解了一下PHP开发，好像都是小公司再用，后端主流现在都是java，但是我在想，编程语言真的重要吗，还是去哪里了解真正的业务和框架比较重要，主要是想去哪里学技术文档上面的问题解决方案，大伙看看有必要去吗#五一之后，实习真的很难找吗？##五一之后，实习真的很难找吗？##牛客创作赏金赛##无实习如何秋招上岸##机械制造笔面经##我的实习求职记录#

#五一之后，实习真的很难找吗？# 啊啊啊啊啊啊啊真的受不了了到底谁在实习啊啊啊啊啊啊啊啊好不容易等到一个二面。但是面完心态崩了心好累好累😭😭😭😭

#五一之后，实习真的很难找吗？# 看到好多说java后端已死，我人都要碎掉了啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊