LLM实习小厂算法面经

面试官：你还有什么想问的吗？ 我：什么时候给我发offer？↑如果你不是很想要这份工作，也可以像我这样问。关于反问环节，很多朋友应该很迷惑，“我真没什么想问的，但是不问有点尴尬，要不问点啥吧？”我也是从这个阶段开始的，但是在我面试了众多公司的AI算法工程师后，还是总结出一些规律。我们应该先明确的是——反问环节对我们的帮助有哪些。首先，通过提问，我们可以直接或间接地获取信息。这个信息包括但不限于： 1.公司产品线，这个是相对容易问到的，例如“我了解到我们公司有xx产品，我想问下您具体是负责哪个业务的？”这个问题是一个不会出错的问题，主要是帮我们判断“这个公司做的事我真的感兴趣吗”，以及引出后续的...

问题1：对比主流大模型（如GPT、BERT、T5）在网络结构、核心机制（编码器-解码器结构、层数配置）上的核心差异，并分析这些技术选择对模型在生成力、理解深度和效率等方面的影响。问题2：大模型训练和推理中常用的位置编码方案有哪些？请分别说明每种编码方式的优势、局限性及适用模型。问题3：拆解大模型自能体（Agent）的工作原理，说明其核心组成部分（感知、记忆、规划、学习模块）及在环境交互和任务执行中的作用。问题4：描述大模型从预训练、微调（指令微调）到推理部署的完整流程，说明每个阶段的核心目标及关键技术。问题5：在项目中的技术改进动机是什么？遇到了哪些痛点？改进后带来了哪些具体收益？如何量化这些收益？问题6：什么是大模型幻觉现象？分析其产生原因及业内有效缓解方法。问题7：大模型生成文本时为何会出现重复内容？列举主流解决方法并分析其他可能原因。问题8：分析当前大模型行业在技术应用、落地中的待解决问题，并提出创新解决思路。问题9：若设计面向办公协同或智能客服的场景化大模型，应从哪些方面入手？说明设计决策的原因。问题10：分析百度文心一言的技术性能、功能体验和应用场景，指出其优势及可改进之处。

不知不觉，我从2021年毕业进入云智，马上就快五年了。作为一名“老学长”，我想借此机会，把自己这些年来的成长心得和体会分享给刚入职或者即将加入云智的小伙伴们。希望我的经验能帮你们少走弯路，更快适应新环境，开启精彩的职场之旅。一、如何快速上手业务——主动向导师和同事请教，多沟通多学习刚进入职场，面对复杂的业务和庞大的代码库，很多新员工都会感到无所适从，业务不熟，容易陷入迷茫。这个时候，切忌凭自己盲目摸索，而是要积极主动地向导师或经验丰富的同事请教。许多技术专家虽然看起来“高冷”，但他们其实非常乐意帮助新人，会耐心解答你的疑惑。公司也会为每位新员工配备导师，负责业务指导和答疑，伴随你快速成长。我个...

十月初谈薪，又给我加了1k  ，月base＝美团ssp➕3。不过不去，释放。审批了三个月也太难绷了