哔哩哔哩大模型算法校招一面

为什么我室友不知道有实习转正这回事。。。

1.Prompt是如何生成的，优化目标是什么，任务是什么？2.减少大模型幻觉，你用过哪些方法？3.介绍一下 beam search原理，与直接sample的区别？4.搜索准确性不高你怎么排查？5.召回、排序哪个阶段最可能出问题？6.在简历项目中，你用到Bert，你能不能介绍一下 BERT和GPT的训练方式(预训练任务训练细节)的区别？7.你在项目中做过哪些相关性优化？有没有量化结果？8.生成式搜索能否保证 top-1 的准确性？怎么提高？9.agent 服务高可用、稳健性是怎么保证的？10.生成式排序你了解吗？11.如何构造排序模型训练数据？如何解决正负样本不均？

如题，bg双九，研二学生，电子信息专业，课题是集群异常检测与影响评估软件开发相关的，目前无实习无论文，项目大都是飞行器健康管理相关的，现在想学习大模型应用开发方向并与课题结合起来做agent，然后找大模型应用开发相关的实习与工作，希望大家能提供思路和分析及可靠学习路线，十分感谢！

1. 腾讯 n 搜索广告，有用到大模型，但不是ai搜，涉及sft grpo之类的，生成式召回粗排这块2. 小红书 n+5 电商推荐，偏传统深度学习的粗精模型迭代，正在实习的组，ld说明年会做生成式推荐第一年总包腾讯总包高5w（小红书按15薪算的），第二年总包小红书高8w，传统推荐模型和生成式推荐，搜索广告的生成式召回粗排，以及广告生成等哪个之后跳槽会更有优势，涨幅更多呢目前博主拿到了俩offer，一个是小红书电商，主要做 视频电商场景的粗精排模型选代，之后可能会有生成 式推荐，但不太确定。在小红书实习ld跟氛围都还挺好 的。另一个是腾讯cdg的搜索广告，导师介绍会涉及到大模 型微调，搜索的生成式召回粗排，广告文案或标题生 成，但可能流量比较小，而且是这么介绍但不一定会 真的有大模型相关的内容，毕竟没有实习过，也不清 楚氛围和ld咋样目前就是觉得大模型搜索可能之后跳槽更有优势，涨 幅会更大，来弥补这俩offer目前 的差距，但不知道 大模型之后是不是真的更有前景，也可能会泡沫破裂，求大佬指导