26算法秋招阿里一面凉经

1.问项目
2.正样本比较少的时候怎么去解决这个问题?
3.InfoNCE中的超参调整,怎么理解(正负样本比例和batch size)
4.InfONCE和其他loss有没有什么联系?比如bert中,NSP任务其实也是一个对比学习的思想,但是只考虑一个正负样本,效果可能不好。
5.了解多模态大模型,如Qwen-VL吗
6.lora(接在旁边/后面),为什么不接在后面?rank高低有什么影响,对于少量样本,lora好还是sft好?相对于sf的优劣势?
7.Deepseek r1中的训练方式有什么特别之处?怎么做的think?RLHF的流程是什么?
8.量化加速方面有了解吗?解释一下vllm
无手撕
全部评论

相关推荐

独生女 家庭无负担无助力 个人有wlb倾向 但也能卷 平台/发展——团队氛围——新人培养——base地——薪资——行业认可度大概按照这个顺序排序,不知道要不要选择回老家发展方便离父母近点,综合考虑工作强度和薪资性价比 考虑到互联网行业的稳定性一直没有很坚定进入产品序列,做过算法代码工作感觉没那么适合自己,但不知道什么方向更好了就做了ai产品(主要是应用侧,模型基座有一些了解,但没有ai native那么专业)目前秋招offer都是中厂跳槽认可度可能不如一线大厂 ,但也没太多更好选择了📍offer公司1: sf💰薪资包: n*(12+3)💡优缺点: 深圳 生活成本高 校招产品先轮岗 压力估计比较大 行业物流方向可能有点局限?📍offer公司2: wph💰薪资包: ai产品 泡池子💡优缺点: base广州 离家近 生活成本一线最低 公司福利好 但不知道ai产品在唯品会的重视程度和业务空间怎么样 title一般 电商竞争大以及广州跳槽机会少,受认可度未知,校招培养体系应该不错,可能具体强度可能看组,业务自研的话相对较新?📍offer公司3: hm💰薪资包: n*13+3💡优缺点: 背靠阿里的平台,c端导购方向相对较核心 base上海 生活成本较高的情况下薪资竞争力不强 日常995 据说组内新人很多 业务变动比较大且新人多容易赛马晋升难 &校招培养体系不是很完备📍offer公司4:省会城商银行直属支行管培💰薪资包: 总包12-15左右💡优缺点: 家乡省会 银行业稳定但局限 没什么资源背景 真假管培各有说法,但银行夕阳行业如果不能回机关营销压力会很大,工作时长也不低 去能力化很难离开了,但长线发展在老家相对稳定且还不错的待遇【据前辈说前提是家里有助力且擅长营销】引流:字节 腾讯 百度 美团 携程 滴滴 阿里 快手 抖音 淘天 小红书 得物 华为 中兴 拼多多 京东
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务