百度大模型应用面经

#百度秋招# ✅一面
1.针对简历上的实习提问。
2.kl散度和交叉熵的关系
3.LoRA介绍，和全参sft怎么选择？小模型的sft和大模型的LoRA效果对比会是怎么样的？sft数据集如何构建？
4.介绍AUC，AUC表达的是什么？
5.recall重要的场景下，如果recall很高，precision很低怎么办？
6.precision和recall都是什么，不同场景下precision和recall如何关注？哪个更重要？
7.手撕-实现shuffle函数。
✅二面
1.实习项目介绍和提问。
2.对一份数据在某个场景下进行分类/识别/检测，用大模型有什么方法可以做？
3.如何对AIGC的文本进行评估？
4.幻觉如何解决？真实性如何评估？
5.RAG过程中索引可以做哪些优化？
6.kl散度表示的是什么。
7.反思机制是什么做的？为什么要用反思？
8.ppo中kl散度的作用。
9.手撕kmeans。10.实现一个简单的mlp，从csv读取数据。
📳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。