字节日常实习大模型应用一面凉经

流程挺快的, 一面和二面的间隔大一点, 二面完几分钟就三面了1. 自我介绍2. 实习拷打 大部分时间都在实习上 总时长感觉1小时左右, 一半的时间都在问实习3. 特征筛选如果不只看相关系数，你会怎么做特征筛选不能只看单变量相关性，因为很多特征单独看不强，但和其他特征组合后才有信息量。更稳的做法通常是先做业务分组和统计稳定性检查，过滤掉高缺失、高漂移、强泄漏和强共线的特征；再结合树模型增益、置换重要性、SHAP 分析和线上可用性做二次筛选。对大模型应用相关任务，还要额外关注特征是不是把未来信息泄漏进来了，比如用到了答案后的行为、后验标签或者系统回写字段。真正好的特征不是“看起来复杂”，而是对目标...

祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.论文拷打4.问我用的什么分布式训练方法，然后让我介绍DDP5.介绍vLLM，我把我知道的关键的内容都说了6.了解deepseek吗？讲讲deepseek moe，优点和缺点是什么？7.讲讲MLA8.pytorch 的自动微分是怎么实现的

1. 自我介绍2. RAG系统的核心架构、检索优化与在教育场景的落地难点RAG核心架构分为数据预处理、检索模块、提示工程、大模型生成、后处理校验五部分。检索优化包括混合检索、多轮检索、知识切片、向量库优化等。在教育场景的落地难点在于知识专业性强、知识点关联复杂，易出现检索不精准；题目、公式、图表等多模态数据的结构化提取难度大；学生提问口语化、歧义多，意图理解难度高；需严格保证知识准确性，避免大模型幻觉。解决方案包括构建教育领域专属知识库、多模态文档解析、意图识别优化、事实校验机制等。3. SFT的核心流程、数据构造要点与在教育大模型中的应用SFT核心流程为数据准备、模型选择、微调策略、训练配置...

3.31投递4.8一面 2h 第二天约二面4.13 二面 40min以为要过了，因为一面面试官说只有两轮技术面4.14 约了三面一个小时，流程还是复试，感觉前面放的水要收回来了。惴惴不安等待ing4.15 面试官推了时间到4.20夜长梦多好焦虑。听说wxg有时候业务都会面四次，真offer下了都五月过好久了。百度今天也约三面了，拖久了真不知道接谁offer