27届双非本+9硕 冲大模型算法岗还是转Java？求支招！

很多人问我如何准备大模型的面试，分享下我的经验，针对两种情况：1. 有大模型实习2. 无大模型实习针对无大模型实习的情况，我建议先找一段中厂实习为主，比如 zhipu、Minimax （当然有大厂进大厂）这些，相对容易进，尽量积累大模型实习经历。针对有大模型实习的情况，复习内容为：1. 常规八股（transformer、bert 等）2. 最新八股（GQA 等）3. 技术报告（一定要自己看原PDF，目前推荐 DeepSeekV3, R1, kimi1.5, Minimax-01, Qwen2.5, Qwen2.5-VL）4. 手撕 Leetcode：Hot1005. 手撕模型，比如 MHA 这些首先是常规八股和最新八股，这一部分可以自己找找网上资料，整理好的，背。然后是技术报告，目前推荐的内容有：1. DeepSeekV3：必读2. DeepSeekR1：必读3. Kimi1.5：选读4. Minimax-01：选读，据我所知最长上下文模型（外推到 4M，不过好像被 LLama4 的 10M 超过了）5. Qwen2.5：必读6. LLama3.1：必读7. Qwen2.5-VL（如果简历有多模态内容）：选读重点关注：1. 阶段训练（预训练几段、Post-training 几段？上下文用了多少？数据配比是什么？）2. 模型创新点（MHA 创新是什么？作用是什么？）3. 上下文优化创新点（一般是优化显存和阶段训练）4. 多模态优化创新点（简历有多模态内容）5. 几个模型不同之处（比如 Qwen2 和 Qwen2.5 的不同之处）最后是手撕，Leetcode 只刷 Hot100 够了，模型手撕建议关注（我目前会的）：1. MHA2. LayerNorm3. Transformer Encoder (MHA+LayerNorm+FFN)4. PE（绝对位置编码）5. ROPE6. SwiGLU7. RmsNorm每次面试前快速过一遍就 ok 了。

一、互联网大厂    公司 类型 岗位方向 地点 截止时间 投递链接     京东 春招 算法、后端开发、技术产品经理 北京/上海/深圳/成都等 4.30 投递   快手 春招+实习 算法、工程、产品、运营、游戏 北京/上海/杭州/广深 招满为止 投递   百度（MEG星海计划） 暑期实习 算法、产品、运营、开发、设计 北京/上海/深圳/成都 6.1 投递   腾讯混元 春招 NLP、CV、多模态、数据运营 北京/上海/杭州/深圳 招满为止 投递   拼多多(PDD) 实习 大模型算法、服务端研发、算法 上海 6.14 投递   TikTok Shop 春招+实习 AI产品经理、推荐算法、后端...

佬们好，想找大模型算法，ai应用开发方面的工作，介绍一下个人背景：现在在研二，研一期间主要在参与科研和竞赛，项目经历比较薄弱，手搓了一个后端项目，现在正在找开源项目进行学习，同时正在刷hot100，现在有点迷茫，是找日常实习还是全力备战暑期实习呢，简历方面需要哪些改动的地方，希望大佬们给些建议😭

1、LoRA 微调的原理LoRA 的核心思想是不直接更新预训练模型里的原始大权重，而是在某些线性层旁边增加一个低秩更新分支，用低秩矩阵去近似权重增量。假设原始权重是 W∈Rd×k，全量微调时直接学习ΔW，LoRA 则把它写成：ΔW=BA其中A∈Rr×k，B∈Rd×r ,，(r) 是远小于 (d) 和 (k) 的秩。这样前向计算就变成：h=Wx+ΔWx=Wx+BAx实际里通常还会加缩放项：这样做的本质是认为很多下游任务对大模型权重的更新其实存在低秩结构，不需要真的去学习一个完整的大矩阵。LoRA 的优点是可训练参数少、显存占用低、训练快，而且原模型参数冻结，方便多任务切换和权重管理。2、LoRA...