百度暑期实习一面面经

三四月份忙论文去了，基本没怎么搞，就投了四五家，现在投大厂搜广推还会有hc吗？😣

LLM 大模型学习必知必会系列(六)：量化技术解析、QLoRA技术、量化库介绍使用（AutoGPTQ、AutoAWQ） 模型的推理过程是一个复杂函数的计算过程，这个计算一般以矩阵乘法为主，也就是涉及到了并行计算。一般来说，单核CPU可以进行的计算种类更多，速度更快，但一般都是单条计算；而显卡能进行的都是基础的并行计算，做矩阵乘法再好不过。如果把所有的矩阵都加载到显卡上，就会导致显卡显存的占用大量增加，尤其是LLM模型大小从7b、14b、34b到几百b不等，占用显存的大小就是惊人的数字，如何在减少运算量和显存占用的条件下，做到推理效果不下降太多呢？在这里需要引入浮点数和定点数的概念。 1.量化的...

背景:211本浙大硕，研一，acm铜牌，一篇Neurips在投，之前是做3d视觉的。百度这个岗位其实和我不太匹配，是做diffusion相关的。一面:对方看我的acm经历，认为我代码能力应该没问题。然后聊了聊我的论文，说我研一能发论文已经很不错了，平时应该比较忙。然后得知了这篇论文是我三个月做出来的，表示我上手能力应该比较快，到时候转diffusion应该会很快，并且问我能不能接受转方向。然后聊了聊业务。最后还说看我是acm的准备给我出道难题哈哈。结果就给了个回溯的裸题，直接秒了。对方给的建议是论文还是没有太多自己的contri，但毕竟研一也不要求太高。面完问对方能不能过，对方表示过了。二面推的时间有点长，中间有五一，大概过了两个多星期，我一度以为挂了。二面:聊了聊我的论文，然后问了一些场景题，比如假设到时候做他们方向会怎么做，我理解错意思了，以为是让我直接想方案，最后面试官也是引导我到正确的方向。最后出了一道lc easy。也没强求改进。问有没有后续，对方表示他们流程很快，很快会有人电话通知结果。然后我开玩笑说我上次却等了很久。对方表示中间出了点意外导致招聘流程是他们组内后续推动的。当天晚上hr就加vx，电话oc，第二天就收到了offer letter(确实很快)。总体上感觉面试体验非常的好，感觉更多的是看上了我的背景，也没有考什么技术问题。最后还是感谢百度收留，在我这段找实习期间给了我不少的安慰，期间经历了各种被简历挂一面挂，被怼，每次被打击之后，面完百度都能让我走回正轨😭😭😭。

外卖广告招算法实习生 简历可以私发给我