面试真的看缘分 paypal算法 24届

ml scientist岗位 新开的应届生岗位 据说只有一个hc

两位面试官

第一位面试官主要针对简历问了某段经历 全程对实习公司的整体产品很多细节问的非常多 我实习负责的内容基本没问 大概30min

第二位面试官前面迟到了10-15分钟左右 第一位面试官问完之后 开始提问

1. 大模型微调输入长度问题
2. transformer结构中限定长度的最主要原因是什么
3. 如果微调后有新增的内容 怎么做？ （我说了rag和其他一些方式
4. 开始问rag相关的 rag具体流程是什么
5. 给了一个场景 让设计大模型➕rag流程
6. rag中向量库具体原理是什么 怎么实现
7. 插入向量库数据过大怎么处理
8. 搜索向量库用什么方法 具体是什么原理

差不多到这里已经是我知识盲区了 确实了解的比较皮毛

之后表示问我一些基础问题..
1. dropout和bn在神经网络中 先后顺序是什么 分析应该先dropout还是先bn
2. dropout在训练和推理时分别使用 有什么目的 效果有什么不同 （这里没太理解dropout还能使用两次吗 后来查了一下是两种不同的dropout模式

以上30min

之后一道lc49 但在白板上文本手写 非常难用 刚写了一半 被面试官叫停说了个思路面试结束 lc时间差不多5分钟

整体面试就到此结束了 没有反问环节和介绍环节 基本感觉已经凉了

复盘
1. 很多东西确实了解的皮毛 经不起深问 正好面试官问的全都不在我的舒适区 不断学习吧
2. 面试前复习了简历相关+ml相关 都没有问 主要围绕rag问了非常多 没有相关经历第一次面试被问rag

不过后来和另外一位同学沟通 他的面试就比较常规 过简历 一些问题 2道力扣 面试官会提醒写 简短的部门介绍…

面试所以真的都是缘分 收到面试过于期待了 但反观面试这几个月 越想要的越得不到又学到一课

#paypal#