bg：行业特色双非+美硕，女，力扣python刷了500题左右，但不聪明，做题能力差。前端后端都学了一点。25年6月～26年3月都可以做实习。日常实习就可以。规划：国内的话，先去大厂，之后能跳外企就跳。前端优点：好进大厂前端缺点： 前景堪忧、八股知识点太杂，面试场景题不太会，更擅长力扣题（顺便求一个整理好的前端react八股？）后端优点：前景好、java和相关八股更熟悉后端缺点：卷、学历和智商都不占优              

真服了，我不信有这个题，还不会 常见的业务题 ◆ 大模型（LLMs）基础面 • 目前主流的开源模型体系有哪些？ • prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别是什么？ • 大模型LLM的 训练目标 是什么？ • 涌现能力是啥原因？ • 为何现在的大模型大部分是Decoder only结构？ • 简单 介绍一下 大模型【LLMs】？ • 大模型【LLMs】后面跟的 175B、60B、540B等 指什么？ • 大模型【LLMs】具有什么优点？ • 大模型【LLMs】具有什么缺点？ ◆ Layer normalization 篇 • La...

笔试-4.3一面-4.22二面-4.25HR面-4.29OC-5.13Offer-5.19

4.21 投简历4.23 约后天一面4.25 一面无手撕，上来先拷打论文，其中有个地方用了rag，面试官问我这里是怎么把文本转换成向量储存的。(我以为是问我工程上的实现，这是去年做的一个小模块，回忆了半天细节，答得支支吾吾，面完了之后结合下一个问我才意识到其实是问我embedding过程)看我支支吾吾就直接问transformer是怎么把token处理成向量的。transformer的self-attention和cross self-attention区别在哪里。pre-norm和post-norm的区别？进一步，为什么现在主流大模型都用post-norm。lora的实现过程。大模型用的Lo...