OPPO二面凉经

求求各位大佬帮忙选一下实习offer，目前有点纠结，因为之前没有实习过。字节跳动：生成式推荐-3到6个月1. 业务内容：tiktok国际电商平台的生成式推荐，围绕着transformer架构的生成式推荐模型，以及llm的后训练。额外会有大模型辅助的数据收集。2. 薪资待遇：500每天+1000房补，包三餐，加班打车报销。3. 转正情况：干到7月份可以参加转正答辩，有机会转正。阿里控股总部：Agent Memory-6个月1. 业务内容：面向阿里内部团队(法务,财务等)做技术支撑，但是研究岗，主要是研究memory和发论文。2. 薪资待遇：应该差不多，正式offer还没发不知道。3. 转正情况：明确说有转正名额，转正率挺高的。个人观点：1. 字节做的推荐方向是一个相对传统一点的方向，当然有用到一些llm的技术，优点是成熟。2. 阿里偏研究，但我研究做的不多，而且6个月时间有点长，但优点是转正期望高。3. 由于字节发的offer早，我现在已经在上海租了房，再转去杭州要亏点钱。4 . 如果选了字节之后可能会找第二段暑期实习，不知道哪个实习offer会有利于后续暑期实习和秋招。5. 这是我的第一段实习，我觉得如果二者差不多的话我就待在上海了，毕竟已经租房了。所以还是希望听一听各位大佬的建议啊！你们的建议是什么啊😟😥😥

想问问大家，现在xhs后端转正概率大吗，三面的ld和我说只要有产出就能转正，但是我学历双飞，看了不少的帖子都说转正卡学历，而且得和秋招的抢hcbase 深圳国际化部门引流：腾讯阿里字节百度小红书

被横向挂了，希望发出来对大家有帮助！八股：1.RMSNorm2.Adamw和Adam的区别，好处是什么3.transformer的效率优化的地方，介绍以下KV cache4.你还了解哪些多模态大模型？5.Transformer有几个残差连接，分别在哪？6.pre-norm和post-norm的区别7.Lora的原理；矩阵的秩怎么取；矩阵如何初始化；会引入额外的耗时吗？其它的参数高效微调方法1.双塔模型的了解；clip的损失函数；clip为什么效果好；基于clip的工作2.clip相比llava这种全交互结构，差别在哪里？性能差异大吗？为什么？如果llava没有超过clip，是什么原因？3.clip和llava的图像编码器有区别吗？4.Qwen的训练流程，每一步的训练数据差别，为什么三阶段而不是二阶段手撕：零钱兑换

发点面经攒攒人品～项目细节拷打八股1.大模型了解多少，强化学习了解什么2.DPO的全称是什么，公式是什么，直接体现在哪里3.与PPO对比归一化方法• 常用的归一化方法有哪些• 讲讲RMSNormAUC• auc的定义• 从样本里随机去掉一些负样本，Auc怎么变优化器• 讲一讲常用的优化器• sgd是什么，Adam相对于sgd改进了什么位置编码• 正余弦位置编码的公式