29分钟速通；之前投的是日常实习，oc之后面试官说日常没hc了😤然后要把我转成暑期实习，但是加一轮技术面和hr面；鼠鼠本来是不想面的了，但是转念一想可以先日常实习一段时间再去这个暑期，索性就面一下😭1.自我介绍2.介绍第一个项目，我的是一个论文项目，直接共享屏幕讲论文，中间穿插着面试官的问题拷打3.介绍第二个项目，我的是一个RAG的项目，面试官让我先介绍一下整体的再介绍数据处理和微调的细节；由于之前面过一些，我大概知道面试官在意的一些点，就提前把这些点的解决方法说了4.反问，介绍业务，说是用多模态大模型做对话、文生图等应用的5.问我到岗时间，我说五月份，具体时间先不说没有代码题和八股😭存在两种可能，一是项目讲的让面试官比较满意，就不问了；第二种是面试官想快点结束；说不准是哪种，因为之前遇到蚂蚁的面试官看起来比较满意但是反手挂人的这次主打一个速通，好几天没面了，略显生疏；这几天鼠鼠出国参会直接闹麻了，电话和短信都接不到，淘天系统登不上去笔试做不了，网易打来电话我也接不到😭不过在韩国属实是玩爽了———————————————————-次日更新，约了hr面 #算法#  #面试时最害怕被问到的问题#  #面试中的破防瞬间#  #简历被挂麻了，求建议#  #软件开发2024笔面经#

#校招#写在最前面，这段话是我作为一个秋招人&一个初入职场人的一些感悟，可能有很多错误的地方，也有很多值得被喷被吐槽的地方，但出发点是好的希望各位轻喷。最近也在各种评论区里尝试解答大家的一些问题，也希望各位能够一切顺利，祝各位offer多多！作为学生身份经历了校招，也在组里一起参与暑期实习招聘。信息差真的是个很神奇的东西，在组里了解到了很多之前在学生阶段无处可问的东西。简历这个东西9本硕+顶会也会倒在简历筛选（我自己推的一个亲学弟就是这样），然后同样经历但本科和论文都不如前者的人却被筛选进了。大家对简历都是有自己的要求的，可能是大家常说的院校也可能是match的程度，所以如果不知道该准备什么的话可以试着做点match的项目。再说说算法人目前可选的道路。1. nlp/多模态/大模型：大模型的火爆程度真是让人震惊，我也看过不少算法简历几乎人人都是一个大模型或多模态相关的实践/项目，当然我也不是专门研究这个的只是自己浅显的了解过一些nlp多模态和diffusion这些东西，卷的程度应该不亚于当年的cv吧（以我的观点哈，不喜勿喷），hc就那么多大家就是强强对抗。2. 搜广推：我在去年也有幸拿到了一个大厂搜推的offer，确实不是很了解这个方向，凭借着自己对nlp的初步理解以及一个相关项目才能获得offer吧，确实是强产出的岗位，知之甚少就不说了，自身实力存在短板争取在未来能有更多的了解。3. CV：CV可真是当初的神啊，一度让人觉得没有A会都不敢考虑，我之前也算是走进了CV的门槛，但也确实是怕给太多大佬当垫脚石所以秋招确实是一个CV都没敢投，但也还是在期待它再创辉煌的那一天，什么时候能看到Kaiming He的下一篇大作。我也祝各位CV人一路走来不辞辛苦，未来一切顺利。4. ML：传统机器学习已经很少出现在大家的眼前了吧，我目前从事的就是传统机器学习这条路，天天和树模型打交道，boosting也确实是最常用到的，今天还斗胆在评论区和一位浙大爷探讨了一下，也只是希望我为数不多的经历能给后来人多一点帮助。5. 音视频、3D等等等等其他的：这些我确实是知之甚少所以就不误导大家了。最后我是一名普普通通的校招算法工程师，如果各位有任何需要可以随时滴滴，我也会尽可能帮助大家，最后我谨代表我们部门欢迎大家选择阿里淘天选择我们部门。

1.⾃我介绍2.介绍⾃⼰的项⽬3.项⽬中数据语料4.你怎么评价你⾃⼰构建的数据集的好坏？5.chatGLM 和 GPT 模型结构⼀样吗6.⼤模型训练⽅式7.怎么评价⼈类⾼质量回答的数据集？精⼼处理的数据集作⽤？（精⼼处理的数据集只能保证回复还⾏，但不可能只能只对⼀个场景）8.强化学习中怎么⽤奖励模型打分？怎么样的分数？奖励模型是怎么得到的？9.⽤强化学习的梯度更新是怎么实现的？10.什么样的 prompt 是好的 prompt？11.Instruct 和 prompt 有什么区别？12.现在⼤模型有哪些的缺点13.模型幻觉怎么解决？14.⼤模型对话和传统的 nlp ⼈机对话⽅案有什么区别15.（⼈机对话）你怎么知道⽤⼾输⼊之后，触发⼀些问题16.传统⼈机对话中⼀个问题给 K 个回复吗17.（⼈机对话）相似度怎么计算；这种度量的模型怎么训练？18.命名实体识别遇到嵌套识别该怎么做？19.⽂本分类中⼀个⽂本有多个类别的话，该怎么做？20.⽂本分类中类别不均衡问题怎么解决？21.⼤模型的幻觉怎么评测？22.什么是⻓⽂本？⼤模型⻓本⽂怎么做？23.你项⽬中⻓⽂本⽤的多⻓？24.tokenizer的步骤 #算法#  #春招#  #牛客解忧铺#  #牛客在线求职答疑中心#  #科大讯飞求职进展汇总#

4.26更新：4.23HR面后进入录用评估，昨天已收到offer邮件！祝大家也早日收到满意的offer！#晒一晒我的offer#—— —— —— —— —— —— —— —— —— ——10分钟后更新：发面经真的会有好运！10分钟后状态就更新为HR面了—— —— —— —— —— —— —— —— —— ——#如何判断面试是否凉了#4.10初试，4.16复试后面试官让等HR电话，目前官网还是复试链接状态，慌得一批。。。听说发面经有好运，许愿早日进HR面！初试：（约50分钟）1. 面试官介绍部门2. 自我介绍3. 聊简历4. 八股    Q：如何规范LLM的回答？    A：1.SFT微调；2.上下⽂学习（prompt中给例⼦）；3.涉及到专业领域时，使⽤RAG    Q：RAG实现？    A：1.分割文档 2.使⽤向量模型将文档转为向量（对⽐学习，双塔模型）3.将向量灌⼊向量数据库；4.将⽤⼾query转为向量，并在向量数据库中检索；5.设置距离阈值，将前n个最相关的结果给到大模型    Q：Transformer中的⾃注意⼒？    A：将每个token embedding与Wq，Wk，Wv相乘得到Q，K，V。对于每个token，计算其Q与所有token的K之间的点乘，通过softmax转为系数，与对应token的V相乘得到与该token的注意⼒。    Q：Transformer中的Q与K点乘后，为什么要除以根号下dk？    A：点乘当dk较⼤时，会导致结果较⼤，经过softmax后可能会导致梯度消失。除以根号下dk相当于正则化，防⽌梯度消失    Q：SVM基本原理？    A：最⼤化超平⾯和⽀持向量之间的margin    Q：SVM是⼆分类模型，如何处理多分类问题？    A：训练多个⼆分类SVM模型对应于每个类别，判断样本是否属于该类，最后根据每个模型结果的置信度得到结果    Q：SVM是线性模型，如何处理⾼维问题？    A：使⽤核函数对数据进⾏升维5. 算法题：DFS模版题，较简单6. 提问环节    Q：有什么可以提⾼的地⽅？    A：多了解模型微调复试：聊简历，一道算法题，20分钟结束算法题：给定字符串，输出其中不包含重复元素的最长子串的长度