8.18思必驰一面

大家好，这是我个人自主研发的项目，后端代码已经开源。开发这个项目的初衷是源于一个偶然的想法，同时希望通过实践来提升自己的开发和设计能力。在项目后端开发过程中，可能存在一些不足之处，希望大家慷慨的指点斧正，欢迎大家交流！还有就是，本项目体验大家放心使用，**不会泄露个人隐私**，后端服务器也不会存储大家的隐私数据，会自动删除项目技术栈🔧 框架：Spring Boot 3.5.3 + Spring AI 1.0.0💾 数据库：PostgreSQL + MyBatis Plus🚀 缓存：Redis + Caffeine 多级缓存🔍 向量数据库：Pinecone🔐 安全：JWT + BCrypt + 分布式锁📊 监控：Log4j2 + Spring Boot Actuator🛠️ 工具：Hutool、Lombok、FastJSON详情点击CSDN:https://blog.csdn.net/2301_80696081/article/details/149668620?spm=1001.2014.3001.5501项目介绍🔗 项目代码地址 ： https://gitee.com/Ee111wang210210/jane🔗 项目前端体验： 项目前端地址: http://115.190.14.86/📚 详细文档 ：项目包含完整的部署指南和API文档

第一家：教育行业。后端研发(AI 多模态)问实习比较多。llm的微调部署这些没问，主要是项目实现。Transformer八股。但是后面说进公司要学Java第二家：游戏数据公司。AI应用开发。也是问实习内容，同样没问llm的微调部署，主要是项目实现。后来问面试反馈，说我做的太底层，他们想招聘偏应用的。第三家：车企。大模型算法。偏应用但是主要问八股。lora、MoE这种内容很多，根本记不下来。而且这几次面试我投的都是同一份简历，但是面试问的问题差的很多。最近几个月准备时间也不短，但是越准备要学的东西越多了。。。

有没有佬参加了今年秋招或者提前批面试，项目中如果有ai agent相关内容的的，大家感觉面试官更看着ai的应用业务场景还是ai相关的技术啊？[吃瓜R]感觉技术上都是平台可视化搭一下编排流 没什么技术亮点 也不知道怎么去包装了后端开发   agent   面试   大模型

✅一面 1．首先是自我介绍和过项目，面试官还一起探讨项目用到的方法，可行性之类的2．介绍一下 CLIP3．了解 LoRA 吗， LoRA 微调的原理是什么4．了解哪些多模态大模型，简要介绍几个5.BLIP的三个损失函数分别是什么，数据是怎样清洗的6.BLIP2相对于 BLIP 有哪些改进，BLIP3又有哪些改进7.Qwen- VL 的三个训练流程分别是什么，有什么作用8．视觉编码器和 LLM 连接时，使用BLIP2中 Q - Former 那种复杂的 Adaptor 好还是 LLaVA 中简单的 MLP 好，说说各自的优缺点9．代码：实现多头自注意力一面比较常规，几乎都是八股问题，我觉得只要了解常见的多模态大模型都问题不大，主要还是要理解各个模型设计的动机是什么，这也是面试最喜欢考察的✅二面1．自我介绍和过项目，简要问了项目中使用某些方法的动机，以及是否会导致其他的问题2．了解 Transformer 吗，编码器和解码器的注意力有什么区别，在计算注意力中时除以 dk \ sqrt { d _ k }\ sqrt [ d _ k ｝的原因是什么3．后来有哪些比较经典的基于 Transformer 的语言模型， Qwen 相比于原始 Transformer 有哪些结构上的改动，Qwen2又有哪些改进4．了解 RLHF 吗， DPO 和 PPO 有什么区别， Loss 是什么样的，各自的优缺点是什么5．介绍一下 CLIP ，还了解什么其他的对比学习方法6．开放题：了解哪些多模态大模型，目前多模态大模型最的问题是什么7．代码：1143．最长公共子序列二面其实也偏常规，几乎也都是八股问题，但是也考察了一些对模型的理解以及知识面的广度，整体来说比一面的难度大一些✅三面：1．自我介绍，然后详细过了一下项目2．了解哪些大模型和多模态大模型，然后就聊了大模型这一路是怎么发展过来的，Transformer 、 BERT 、 GPT 、 LLaMA 、 Qwen ix ,以及当时的o1推理模型3．平常有尝试过训练过大模型吗，规模小一点的也没关系4．聊天，包括职业规划等等三面比较轻松，面试官说知识点前面两面都考察过了，三面就轻松一些，大概40来分钟吧📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。