好像是到店事业部的应用算法组吧，做的是具体 toB tos 的一些到店 app 相关应用，科研内容很少。1.自我介绍2.问大模型实习的项目3.ChatGLM LLAMA QWEN 这些你都有微调过吗？4.为什么你要用 lora 和 p tuning v2，有啥好处？5.CHATGLM 的训练 loss 你知道怎么计算吗？（详细讲了一下 glm 的训练过程）6.你了解 CHATGPT 的训练过程吗？（预训练 针对 chat 或者 instruction 的持续预训练或者微调？ RLHF）7.为什么这些大模型都要做 chat 版本？（因为能提高知名度。。）8.那你有了解 RLHF 怎么做的吗？（不懂，随便说了几句，就说我不会）9. 你现在确定了自己的方向吗？是做算法还是？（横向比较吧，算法或者算法工程看具体内容，开发更看 title 含金量）还有一些忘记了10.代码题，特定区间的反转链表。面试官每个问题都会停顿很久，有点尴尬。但是问的还挺简单的。

携程笔试a3题，官网状态目前还是在笔试中是什么情况？我有同学都收到了面试邀请了。

面后隔了几天，只能按回忆大概写点，腾讯的八股和手撕都挺反套路的，考验理解部分问题：模型训练时，如果batch内的文本的长度大小不一，tokenize时以都最大长度padding会增加计算成本，如何解决？（不太确定，回答的先对文本按长度做排序，分好batch和max_seq_length，再混合不同max_seq_length的batch进行训练）经过padding之后的文本输入，生推理时如何从原始文本最后一个位置开始预测？/ 如何获取最后一个位置的隐层？（没答上来，left-padding和right-padding的区别？使用input里的attention_mask?）词表很大时，如何优化隐层到输出的Softmax层的计算量？（没答上来，word2vec里提出的hierachical softmax、负采样 ？）手撕：（先出了1，不会做换了道简单些的2）1. 使用torch的基本方法实现一个简单的RNN，输入X, Y两段文本(token_ids)，得到最后一个隐层作为表征，并计算余弦距离2. 逐行读取一个文本文件，统计词典并按词频降序输出前k个词，排序部分写归并排序。进一步问如果文件大小超出内存该怎么读？

蚂蚁2024届春招开启！蚂蚁校招内推每名同学可以选择2个不同岗位（每个岗位最多一个部门）可以帮忙查看推进进度，内推码放下面啦~（本人蚂蚁职工，欢迎咨询校招事宜哦）（重要）特别说明：1.内推码可以用于岗位投递，加快简历处理进度，但是定点直推部门需要联系部门直招的同学2.各部门招聘难度相差不大。简历筛选统一进行，部门间基本没区分3.感谢大家投递蚂蚁，祝大家顺利拿到offer#蚂蚁##春招##内推##支付宝##校招#