实习意向选择

背景港理菜博，本科南科大。3A，但是全是ai水印文章，投的阿里云云安全产品与效率提升，下午面晚上凉。一开始就是自我介绍，一开始讲了一下三篇工作大致是做了什么。介绍思路主要是重讲工程技术，轻讲创新思路，第一篇讲完创新点以后，重点讲了下涉及到的技术：GAT，autoencoder，cuda加速网络算子（网络提速），卷积reformulation（显存优化）的技术。剩下两篇直接被打断表示希望只讲下创新点。Q1:这些paper你自己做了多少，参与多少。A1: 虽然paper挂了很多人，但是全是我自己做的，从文献调研到算法到工程实现。Q2: 观察到你的经历全是水印，我们组是做安全分析的，你未来的打算是做什么方向？A2: 未来不打算延续做水印，因为发现比较冷门，我自己出来实习也是在思考未来要做什么。Q3: 你出来实习做的什么？A3: （skipped）Q4: 我觉得你做的东西还是很扎实的，有考虑过投普通校招吗？A4: 可以，请问阿里星一般招什么样的人？面试官：一般都是技术专家，p7（言外之意我not qualified）Q5: 对多模态大模型，yolo，clip的涉及A5: 仅仅是用过clip，三者的代码都没有看过。反问环节。面试结束总时长34min。

📍面试公司：字节豆包🕐面试时间：8.19💻面试岗位：多模态算法❓面试问题：面试整体感觉问题不是特别难，我太菜了失去了豆包，都是围绕简历的项目来问的没有问八股的内容，面试官不开摄像头我有点紧张，看不见他啥反应。1.自我介绍，也不知道是我介绍的语速太快了吗？我介绍完之后他说了一句背的真流利，给我干蒙了，难道我要现编吗？2.简历上的几个项目展开拷问，其中问我的一个方法设计为什么会起作用，我回答的他不是很满意可能没答道他想听的吧。3.对多模态大模型的了解，BGE-VL的模型结构，实习经历4.概率题，一个圆随机取三点，取到锐角三角形的概率5.手撕infonce loss，跳格子题🙌面试感想：感觉...

1️⃣一面 1.自我介绍，问实习和论文2.大模型的超长上下文问题怎么解决预训练和 SFT 的损失一样吗3.RL 中 Reward 和优势有什么区别4. LoRA 训练和全参训练的优劣5.了解哪些常用的 RL 算法6.最新的 GSPO 重要性采样7.讲一下 DeepSeek R1，推理模型怎样训练8.GRPO 比 PPO 强在哪9.对 DAPO 和 VAPO 有了解吗10.代码：接雨水2️⃣二面1.自我介绍，拷打论文，2.简单问了问实习 LoRA 训练和全参训练的优劣3.对大模型训练的数据有什么心得 RL 中 Reward 和优势有什么区别4.On - Policy 和 Off - Policy ZeRO1,ZeRO2,ZeRO3如何节省显存5.d1-756.训练大模型的时候有遇到什么难题吗7.代码：最长递增子序列📳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。

楼主实习都是做的AI Infra，主要是大模型推理，在N卡上做vLLM和sglang的二次开发、简单算子开发、pytorch开发。本身秋招投的都是云侧大模型开发，但是也收到了一些其它稍微有点偏的方向的offer，所以非常纠结，想问各位大佬怎么看。1. 百度飞桨：百度飞桨框架的开发。技术上应该很不错，但毕竟飞桨生态不太行，且百度在走下坡路？2. 字节TT中台：感觉似乎非常核心，但是面试强度并不高，所以担心是不是有坑。且是偏传统推荐模型，而非大模型，和本身的预期有些偏差。但是TT背书很强？3. 腾讯太极：腾讯内部机器学习平台GPU推理训练框架开发，但是偏k8s后端，而非大模型推理加速本身，只是可能他们需要懂vllm和sglang的人。但是同部门似乎也有做ai infra的组，或许未来可以转？4. 阶跃星辰：端侧大模型infra。整体都挺好的，公司和政府绑定，端侧前景应该不错，只是需要从云转端。另外校招就去初创会不会不太好？5. 拼多多：gpu上具体vllm的infra开发，技术上很对口，聊的过程也感觉很好。优点就是匹配且钱非常多，缺点就是确实似乎有点太累了。目前的offer情况就是，业务非常对口的要么是中小厂（没有列出，但是也不是那种实力很差的小厂，而是一些大佬云集的初创，但是整体风险会更高，且应该没有很成熟的校招生培训体系），要么是拼多多（太累）。大厂要么是飞桨这种生态比较差的，要么是字节TT这种完全不是做大模型的，甚至腾讯这边是做传统后台开发的。所以非常纠结，想听听大佬们的看法。