求问今年的大模型算法岗暑期（AIGC）

最近大模型带火了算法岗，很多同学纠结该选算法还是开发。今天站在中立角度聊聊这两个方向，希望帮你找到最适合自己的路。开发的优势:1.学习氛围好：实验室里大部分同学都走开发方向，遇到问题可以互相交流，信息互通有无。算法学习往往需要独自钻研，这种支持系统对校招很重要2.岗位机会多：开发的招聘名额远多于算法，这是不争的事实3.竞争相对温和：虽然应聘人数多，但竞争者水平参差不齐。只要你踏实学习、认真实习，拿到大厂offer并不需要顶尖天赋4.薪资可观：虽然上限不如算法，但开发岗的SSPoffer性价比很高，且获得难度相对较低5.职业稳定性：开发工作成果更容易量化，只要认真完成需求，绩效通常不会差。算法可能一年都没有明显产出，容易产生焦虑算法的优势:1.薪资更具吸引力：随着大模型风口，算法薪资水涨船高，与开发的差距逐渐拉大2.学习成本较低：不需要深入掌握计算机网络、操作系统等底层知识，对非科班同学更友好3.处于技术风口：大模型热潮带来更多岗位机会，虽然总量仍不及开发，但未来AI领域会持续扩张4.与科研衔接顺畅：研究生期间的算法研究虽然与工业界有差距，但底层逻辑相通，不会浪费三年积累5.工作模式更自由：算法工作重视创新思维，不是靠堆时间就能出成果。而且通常不需要处理线上紧急事故，工作节奏相对稳定选择的关键不是哪个更好，而是哪个更适合你。校招的同学建议有侧重的同时也可多方向投递，毕竟现在竞争比较激烈。更多学习干货请看我主页。开发岗 大厂求职

1.介绍自己的项目2.BLEU和ROUGE3.self-attention求内积时为啥除以根号d4.LLM的评估5.介绍下simCSE6.解决tokens不够的问题应该怎么办7.详细介绍下deepspeed（三个stage结合参数回答）8.gpt和llama的区别（模型结构上的）9.PEFT的方式，LORA论文讲一下，对比p-tuning10.LLM训练的时候为什么warmup11.对比学习中的batch size是大一些好还是小一些好（大一些，甚至可以到10k+，为12.了构造好的negative样本）13.了解最新技术一般怎么通过什么渠道14.代码题：lc347 前 K 个高频元素

1.实习介绍2.SFT中数据是怎么构造的  cot是怎么写的3.Cot的组成4.Transformer的架构介绍一下，self attention和cross attention的区别5.为什么大模型使用的是encoder6.PPO与DPO的区别7.PPO里用了几个模型，训练时更新哪个模型8.Python深拷贝与浅拷贝9.代码：子集问题

学校生活： 自我介绍介绍一下你的两个项目从这两个项目收获到了什么说说你项目里的这个提交学习记录的模块介绍一下rabbitmq的工作细节你本科是数学专业的，现在开始考虑互联网专业，你是怎么考虑的你研究生统计专业的，有没有做过一些大数据处理相关的案例平常怎么学习互联网相关的内容的八股：Java的反射机制介绍一下平常项目里反射机制哪里用到了异常里面的运行时异常和非运行时异常怎么保证reids和mysql的数据一致性Mysql的索引介绍一下Mysql索引它本身存在的一些问题Mysql的分区了解吗了解过ES数据库吗，是干嘛的无手撕（有闲聊感觉被kpi了，或者觉得不对口）反问：业务相关需要改进的点（说投之前还是要看看jd相关的是否匹配，感觉潜台词就是不合适）