整理下近期的大模型日常实习面经

1️⃣自我介绍：【⌚️10分钟】点评：流水账，有些磕磕绊绊，自我介绍环节的项目介绍的很详细，非常冗余。优化：写逐字稿，背诵，提升语言表达能力。2️⃣经常问题的问题优化：【⌚️20分钟】1：transform结构了解吗？回答点评：回答的很简单，5分吧，说了transform的结构是encode-decode结构，分块，每个块里面有四个组建，MHA、FFN、LN、残差链接，介绍和理解不深刻。提升指导：梳理回答逻辑结构，讲解MHA、FFN、LN、残差链接的添加逻辑和含义，其中MHA给出代码层面理解，从2分钟的回答变成6分钟的回答。2：多头自注意力机制是啥？公式是啥？代码你会写吗？回答点评：讲了公式，但是掌握的不够细致，pytorch代码框架不熟悉，attention_mask机制没有写出来。提升指导：讲述代码的原理，如何使用代码回答问题，展示自己的理解深刻。3：rag中的多路召回是什么？embeding为啥用智源的BGE-large/Base？回答点评：使用了BM25和向量召回，但是没有讲出来两个的区别和联系提升指导：先讲原理，再讲述下语义理解能力和泛化能力的区别，计算的效率，两个互为补充等。3️⃣不会回答的问题指导：【⌚️40分钟】1:  LN不太会回答，看网上的回答很多，但是不是理解层面。2：我的向量召回是faiss做的，和这个相关的问题我如何准备？3：经常会被问到rag用的啥框架，这个问题如何回答？还需要准备框架的知识吗？4：面试官经常问我，rag的模型是啥？有做微调吗？如果不做微调怎么回答？5：大模型还需要补充那些知识？📳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。

一、RAG链（Retrieval-Augmented Generation Chain）是什么？RAG链是检索增强生成（RAG）系统的核心流程，指将“检索”与“生成”串联成完整链路，让大语言模型（LLM）在回答问题时，先从外部知识库中检索相关信息，再结合检索结果生成回答。核心逻辑：用户提问 → 检索相关知识 → LLM基于知识生成回答，避免LLM“胡编乱造”（幻觉问题），同时让模型能处理最新、专属领域的信息。与传统RAG的区别：“链”强调各组件的协同与流程自动化，比如通过工具（如LangChain）将分块、向量化、检索、LLM调用等步骤串联成闭环。二、LangChain是什么？LangChai...

字节暑期实习一面被四个部门捞出来面，都是一面挂，八股80%答出来了，手撕都撕了。难道原因在项目和实习？

字节面试好像被横向了 6.17（一面）秒过 期间有三天的笔试时间 6.23（二面）第二天下午通知过了 6.25（三面）hr面 到现在都没有消息进展，估计在被横向中真的很想要这个offer啊啊啊，每天都会问hr进度我都怕他烦我了