感知机器人吗?
点赞 评论

相关推荐

头像
05-09 14:59
已编辑
东北大学 计算机类
26分钟速通,感觉面试官是个主管1.自我介绍2.拷打第一个项目,我的是一个RAG的项目,让我讲了一遍,然后问我团队分工、哪种优化方式提升指标最多?3.拷打第二个项目,我的是一个论文项目,直接祭出共享屏幕讲论文的连招,讲完没怎么问问题4.反问,我再问一遍部门做什么业务的,又说了一遍做智能npc的,鼠鼠连忙表现出巨大的兴趣5.问我到岗时间、实习时长这种的,我祭出祖传话术;问我有没有面其他的,我说有小厂offer但是优先来这里实习这种话术,然后问我为什么优先,我把网易好一顿夸;最后问我到岗时间能不能提前,说到岗时间会作为排序的依据,鼠鼠赶紧改口说两周到岗整体感觉没问到啥技术问题,也没做算法题,应该是个主管,不太懂技术,不过人挺好的—————————————-更新,约了hr面——————————————更新,已oc————————————-麻了,发完offer才发现实习工资低得惊人,还没我现在实习的武汉小米工资高😭不过这个阶段鼠鼠也先不看钱了,先学东西为主,准备现在在小米再实习几天就润去网易到此为止鼠鼠的实习应该是不再面了,纵观这段时间的找实习经历,鼠鼠是步步踩在雷点上,三月底之前基本都在准备java,结果学校有一堆评优的事耽误我时间,导致静不下来心背八股,只能转战算法,毕竟有点论文基础,等于我三月底才开始投,四月初投的团子和腾讯,估计都没啥hc了,到现在也没给约面;力扣也没好好刷,寒假才开始的,到现在也没刷多少,三天打鱼两天晒网,导致手撕有几率撕不出来,笔试更别提了,阿里系发的一堆笔试我是疯狂爆零;最终的结果就是现在刷牛客看见一堆佬拿好几个大厂offer让选,而我啥也没有😭究其原因还是准备不足加菜,准备沉淀一段时间备战秋招了,希望这段时间能多学点东西,对大模型有一些深刻的理解,秋招希望还有机会写面经 #算法#  #软件开发2024笔面经#  #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#
点赞 评论 收藏
转发
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
点赞 评论 收藏
转发
牛客网
牛客企业服务