offer求比较 360和搜狗

1.自我介绍2.抓着项目的一些问面试官喜欢问从顶层的实验设计的一些东西我的实验为什么要选用 cos 距离或者 mse？能不能用 KL散度？是不能用还是不好用？KL 散度和交叉熵的区别和联系是什么？（都是我没考虑过的问题 有点汗流浃背）既然你用到了那么多微调方式， 那你有什么实验过程中探究了 lora 的比如 秩之类的参数的影响吗？prompt tuning  ptuning v2 有啥区别？（说完他觉得我说的太八股太宏观了，又讲了一堆原理）为什么 p v 2 比 prefix tuning 要减去那个 lstm 和 linear？ 我说论文里说适配 NLG 任务，好像记错了。有没有接触过强化学习？为什么你们只考虑微调，是因为啥原因？你是用几张卡跑实验？多大参数的模型？跑的时候内存占用量多大？有没有试过全量微调？ 那你想一下，假如我用 deepspeed 的几种版本， 全量微调7B 模型，内存占用多大？最后大概的意思就是说他比较看重实验最初的一些设计能力， 不能蹬 OOM 再来解决。让我之后要多理解一下 deepspeed。说社招看的多这些理解能力。反正基本上就是项目围绕讲。 后面说我项目做的，工程应该能力不错。 代码题也是那种很简单的处理数据。

有没有朋友这周考的笔试。 这个第三题的题目真的好抽象，谁看得懂。。。

2024.04.02春招至今就拿了两个小厂的off，中厂大厂基本一面噶，硕果仅存的几个预感也不是很好2024.03.27心态真不是太好，上午面的美团和58，除有一个问题答得不是很好，其他说的都可以，手撕也是几分钟秒了，反问面试官也说整体也都不错，结果下午全挂了，好好好，好好好，直接黑化了我目前已噶：团子，58，饿了么，滴滴，全志，华硕，vivo ，蚂蚁半噶未噶：金山，高德

有个疑问，现阶段业务型的NLP岗和业务型的LLM岗哪个要求BG高一些啊？我投一些大厂的NLP基本上都接到面试了，小米投了LLM岗的内推，泡了一个月的池子，师兄直接跟我说这个岗位招满了，流程结束了。是不是LLM岗要求更高的原因？