淘天淘宝直播大模型实习一面

拷打项目，时长30分钟1. 微调的数据配比，数据来源2. 微调的任务类型，轮次3. Embedding用的什么模型，是分块Embedding吗4. 数据怎么分块5. 数据返回的查询top6. 微调之后对比之前的模型性能提高了多少7. 数据库实时更新还是离线更新8. 用的什么数据库9. 本地部署的框架如何搭建10. 如何评估rag11. Qwen2.5 vl架构12. 有相关的实习吗？实习期间做了什么？13. 主要做文本还是多模态方向？14. 做了一些小项目吗？

去年面的，面的是大模型应用岗，当时llm应用还没有当前那么流行，我说对fastapi有一定了解，我会flask django 用python写过前后端项目，也学过java的后端框架，玩过gradio的ai应用，上手fastapi也是分分钟的事情，工作第一天就能上手，毕竟这些框架用法都长一个样，相通点很多，用到的知识都一样，结果面试官笑了下，后面就挂了。。。人还是太多啊现在

为啥还是没有约面，已经很努力在准备了

✅一面 1．首先是自我介绍和过项目，面试官还一起探讨项目用到的方法，可行性之类的2．介绍一下 CLIP3．了解 LoRA 吗， LoRA 微调的原理是什么4．了解哪些多模态大模型，简要介绍几个5.BLIP的三个损失函数分别是什么，数据是怎样清洗的6.BLIP2相对于 BLIP 有哪些改进，BLIP3又有哪些改进7.Qwen- VL 的三个训练流程分别是什么，有什么作用8．视觉编码器和 LLM 连接时，使用BLIP2中 Q - Former 那种复杂的 Adaptor 好还是 LLaVA 中简单的 MLP 好，说说各自的优缺点9．代码：实现多头自注意力一面比较常规，几乎都是八股问题，我觉得只要了解常见的多模态大模型都问题不大，主要还是要理解各个模型设计的动机是什么，这也是面试最喜欢考察的✅二面1．自我介绍和过项目，简要问了项目中使用某些方法的动机，以及是否会导致其他的问题2．了解 Transformer 吗，编码器和解码器的注意力有什么区别，在计算注意力中时除以 dk \ sqrt { d _ k }\ sqrt [ d _ k ｝的原因是什么3．后来有哪些比较经典的基于 Transformer 的语言模型， Qwen 相比于原始 Transformer 有哪些结构上的改动，Qwen2又有哪些改进4．了解 RLHF 吗， DPO 和 PPO 有什么区别， Loss 是什么样的，各自的优缺点是什么5．介绍一下 CLIP ，还了解什么其他的对比学习方法6．开放题：了解哪些多模态大模型，目前多模态大模型最的问题是什么7．代码：1143．最长公共子序列二面其实也偏常规，几乎也都是八股问题，但是也考察了一些对模型的理解以及知识面的广度，整体来说比一面的难度大一些✅三面：1．自我介绍，然后详细过了一下项目2．了解哪些大模型和多模态大模型，然后就聊了大模型这一路是怎么发展过来的，Transformer 、 BERT 、 GPT 、 LLaMA 、 Qwen ix ,以及当时的o1推理模型3．平常有尝试过训练过大模型吗，规模小一点的也没关系4．聊天，包括职业规划等等三面比较轻松，面试官说知识点前面两面都考察过了，三面就轻松一些，大概40来分钟吧📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。