最近拿到了一个实习，部门做的是跟框架和集群调度相关，all in这个方向秋招能找到工作吗

LLM 大模型学习必知必会系列(七)：掌握分布式训练与LoRA/LISA微调：打造高性能大模型的秘诀进阶实战指南 1.微调（Supervised Finetuning） 指令微调阶段使用了已标注数据。这个阶段训练的数据集数量不会像预训练阶段那么大，最多可以达到几千万条，最少可以达到几百条到几千条。指令微调可以将预训练的知识“涌现”出来，进行其他类型的任务，如问答类型的任务。一般指令微调阶段对于在具体行业上的应用是必要的，但指令微调阶段一般不能灌注进去新知识，而是将已有知识的能力以某类任务的形式展现出来。 指令微调任务有多种场景，比较常用的有： 风格化：特定的问答范式 自我认知：自我认知改变 ...

刚美团大模型一面，面试官人很好。可我表现拉胯。先不说犯了紧张的毛病，说话支支吾吾。然后，实习经历和做的项目空洞，没啥东西，根本禁不住细问。面试官放水出了一道层序遍历，却因为两处错误差点连这么简单的题都没写出。我给学校丢脸了，给朋友丢脸了，给自己丢脸了，给所有人丢脸了。我还腆着脸问啥时候二面惭了个大愧 #美团算法岗#

目前接了某中厂(zyb)核心部门貌似非核心业务的搜索算法offer，还没入职。现在可能会有其他选择，关于大模型的prompt和rag的岗，英te尔这种公司。想问一下大家，这种该怎么考虑啊？背景是：之前有过大模型prompt和rag的小厂实习经验，但技术层面不深入。几乎没接触过系统的搜广推。个人感觉：去做传统搜索，应该会学到东西？想法是：没接触过就想接触接触。。然后大模型如果没机会接触微调的话，只搞prompt和rag是不是有点虚，因为现成的框架和工具已经很多了，感觉技术含量不高，就纯应用。将来秋招继续找算法岗的话，哪个会帮助更大呢？希望大家给点建议，讨论讨论也好哇谢谢u...