华为秋招以大规模线下面试为特色，也是后疫情时代较具规模的面试活动。其线下面试并非零散单间，而是“规模化作战”——HR会提前包下连锁酒店，将一楼大厅改为等候区，几百号面试官统一着装分区就坐，场面震撼且秩序井然。流程上虽为“2+1”（两轮业务面+一轮主管面），但并非连贯进行。我当时两轮业务面结束后，不到30分钟就收到反馈，同学们反馈时间也基本不超过40分钟，效率极高。主管面存在不确定性，我同组同学业务面表现优异，却因当天主管约满需后续补面，这类细节网上很少提及，建议大家面试前别排满行程。华为秋招面试实力是基础，但运气也很关键。我遇到温和的面试官，未答全问题也被引导梳理思路；而同学遇到严苛面试官，因...

幸亏看到这个帖子

各位牛牛们能给我提提意见吗

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...