第一感觉像kpi面试官上来没有任何介绍就开始问了然后手撕有点…完全没准备现场手算梯度，写了半个小时，最后激活函数那里的梯度更新还是有问题面完发了笔试通知，但感觉离挂不远了

关于大模型的50道精选面试题1.简述GPT和BERT的区别2.讲一下GPT系列模型的是如何演进的?3.为什么现在的大模型大多是decoder-only的架构?4.讲一下生成式语言模型的工作机理5.哪些因素会导致LLM中的偏见?6.LLM中的因果语言建模与掩码语言建模有什么区别?7.如何减轻LLM中的“幻觉”现象?8.解释ChatGPT的“零样本”和“少样本”学习的概念9.你了解大型语言模型中的哪些分词技术?10.如何评估大语言模型(LLMs)的性能?11.如何缓解LLMs复读机问题?12.请简述下Transformer基本原理13.为什么 Transformer的架构需要多头注意力机制?14....

26号二面，然后当天流程变成“等待面试结果”，7号变成“面试中”，到现在还在等电话通知。为什么通义流程处理那么慢啊- - - - - - - -5.23 HR面许愿能oc吧，我个菜鸡经不起任何打击了5.27 挂，心累，忙了一个半月就这个结果，到HR面就挂了，忙那么多最后还是只有摆烂进拼多多的份，面了那么多的面试有什么意义？ #如何判断面试是否凉了# #如何判断面试是否凉了#

LLM 大模型学习必知必会系列(五)：数据预处理(Tokenizer分词器)、模板（Template）设计以及LLM技术选型 在模型训练过程中，数据及数据处理是最为重要的工作之一。在当前模型训练流程趋于成熟的情况下，数据集的好坏，是决定了该次训练能否成功的最关键因素。 在上一篇中，我们提到了模型训练的基本原理是将文字转换索引再转换为对应的向量，那么文字转为向量的具体过程是什么？ 1.分词器（Tokenizer） 在NLP（自然语言处理）领域中，承担文字转换索引（token）这一过程的组件是tokenizer。每个模型有自己特定的tokenizer，但它们的处理过程是大同小异的。 首先我们安装好...