【马上入职】求27/28届淘天日常技术实习生！

主包本来打算3.12日提离职，因为想把负责的项目上线完成，但因为一些原因，项目上线时间延期了现在要准备暑期实习，还有开题的事情，要学的东西比较多😕八股和算法虽然之前学过但是都忘差不多了，捡起来还需要时间上班挤占了大部分时间和精力，投入学习的时间比较有限，想着提前3.6日提离职吧

攒人品中，祝大家都能拿到满意的Offer！1.项目介绍2.知识蒸馏，软硬标签怎么提，loss怎么算3.lora和qlora4.deepspeed5.模型显存占用估算6.训练加速模块，如flash attention7.vllm为什么更快8.挑个大模型介绍下9.为什么GQA好10.加lora计算量怎么变化11.强化学习框架12.kl散度13.手撕：lora，经典接雨水

祝大家都能拿到满意的Offer！1. 项目拷打2. 详细阐述Transformer的底层原理，并说明其能够替代RNN的核心优势；结合Transformer架构的成熟度，分析Self-Attention机制在多模态对齐任务中是否存在瓶颈，以及在实际业务场景中，是否出现过注意力权重完全偏移的情况。3. 讲解LoRA的技术原理，说明LoRA是否仅能嵌入Linear层；分析LoRA无法在LayerNorm层之后插入的原因，以及该操作会对模型训练稳定性产生哪些具体影响。4. 结合实操经验，说明QLoRA降低训练资源成本的核心逻辑；列举常见的模型量化方式，并解释QLoRA选择NF4与FP16组合而非其他方案的原因，阐述NF4的分布拟合逻辑。5. 针对采用multi-query attention优化后，decoder延迟仍居高不下的问题，分析潜在性能瓶颈；探讨vLLM自带的KV Cache是否会成为推理过程中的负担。6. 分别说明Embedding模型与Rerank模型处理文本语料的核心流程，并结合实际应用场景举例说明。7. 结合过往RAG项目经验，讲解从数据清洗到检索服务上线的完整链路搭建流程，重点说明chunk切分的具体策略。8. 分析当前RAG技术落地的最大瓶颈，并阐述你在项目中采取过哪些优化手段来提升检索召回率（Recall）。9. 针对XX领域大模型的训练工作，说明SFT（监督微调）数据集的构造方法与核心思路。10. 结合LoRA微调实操经历，说明rank值的选择依据；在合并adapter权重的过程中，是否遇到过梯度爆炸问题，以及对应的解决方法。11. 结合你的模型部署相关经验，说明模型参数量与硬件算力需求之间的对应关系（例如不同参数量级模型所需的算力配置标准）；以部署一个稀疏率千分之三的235B参数量MOE架构模型为例，估算其所需的算力规模。12. 在搭建RAG知识库时，若需对文档进行动态更新，你采用的是全量嵌入还是增量处理方案？若为增量处理，如何规避新旧文档数据分布不一致导致的检索偏差问题。13. 针对机械臂动作态融合相关工作，说明数据融合的具体实现方案，以及对比实验的设计思路与评估指标。

技术栈老三样java并发，redis，MySQL和hot100。一个项目+一个玩具，去年年底面了一家中厂一家大厂，分别为横向排序和二面挂。三月开学投递了一周，要了我20份简历，只有一个中小厂的面试邀约，某大厂看到28直接谢绝，这对吗。牛友一起讨论一下历程