大模型岗位到底还需要准备点什么

base：北京岗位：大模型算法bg：双9硕薪资：60K*16

1. 网易互联网 n*16 某 ai部门ai infra团队，负责多模态模型的推理和部署，做vllm微调。优点技术栈通用，公司福利好，线下接触过感觉ld人不错。缺点网易背书不够大且非基模infra，llm应用赛道竞争激烈2. 摩尔线程 n*16 ai部门llm infra岗，做分布式训练框架，MT-MegatronLM优点是做的内容比较深入且听说比较wlb，缺点是国产算力赛马可能不稳定目前我比较倾向于摩尔线程，想听下大家的意见

1. 实习项目问的很细，数据构造，微调参数等2. 如果子agent回复不对怎么办？反思？跳不出去怎么办？限制次数3. LORA和全参数微调的区别4. DPO，PPO，GRPO5. 逻辑回归、XGB和神经网络的区别6. XGB怎么做特征重要性的？gini系数是什么？7. Deepseek MLA？为什么压缩？8. Transformer encoder？为什么需要FFN？9. AUC物理意义，公式，公式含义code：重排链表

bg双非，28节 基本状况是大一的下学期和暑假学完了基本技术栈，大二上出去投了点简历拿了几个offer 但是不想过早去实习，所以在学校搞点比赛和学点大模型。跟着黑马过完了机器学习，深度学习，目前在nlp后面还有langchain RAG 模型微调有以下感悟吧大家想学想了解大模型应用开发的可以看一下1.感觉的话门槛确实比后端高 其中很多数学推导啥的，然后都是在做矩阵运算，所以想学的话高数，现代，概率还是不能一点不懂2.学起来比后端还要孤独，前端可以可视化，后端还能用apifox看个返回，ai的话感觉只能看看几个指标，顶多画一下图看几条似懂非懂的线3.感觉机器学习，深度学习可以快速过，主要还是要看看rnn，注意力机制，transformer这些，毕竟和现在大模型强挂钩4.感觉还是不能all in大模型 可以做一个后端的加分项，感觉离业务有点远