专业面试紧张

最近影石的秋招真的让我心态反复横跳。本来已经打算放弃了，结果后面又被抬价，直接又燃起希望了😂整体面试体验还是挺不错的，面试官都很强，问得也很深入，尤其是对项目和底层原理的考察非常细。这里整理一下自己的面经，希望能帮到后面准备秋招的同学。一面：疯狂技术拷打（AI推理 + C++ + 体系结构）一面的面试官绝对是技术大牛，问题密度非常高，几乎没停过。AI推理 / MNN / 模型部署为什么选择 MNN 推理框架？调研过其他框架吗？模型从训练到端侧用 MNN 推理的完整流程是什么？int8 和 FP16 的性能提升明显吗？MNN 做了哪些优化？双线性插值的 4 个点权重怎么计算？仿射变换用了哪些 ...

如题，本人后端方向，四月中旬才开始投递暑期实习，目前收到的面试邀约很少。加上自身基础一般，面试屡屡挂掉，心态很受影响。看到很多三月就投递的同学已经手握多个 offer 开始打牌了，本人却约等于 0 进度，所以焦虑感越来越重。😥😥想问问有去年有暑期实习经历的前辈：1、五六月份捡漏投递大厂暑期，机会还大不大？2、另外，暑期实习最晚什么时候入职，才不会打乱后续秋招的整体节奏呢？也同时问问去年没有暑期实习的前辈：1、没有暑期实习的情况下，后续秋招还顺利吗？2、这段时间应该怎么准备弥补自己的弱势，有没有什么建议？

是简历有问题吗

Q1：大模型是怎么让生成的文本丰富而不单调的呢？答案：从训练角度来看：基于Transformer的模型参数量巨大，有助于模型学习到多样化的语言模式与结构；各种模型微调技术的出现，例如P-Tuning、Lora，让大模型微调成本更低，也可以让模型在垂直领域有更强的生成能力；在训练过程中加入一些设计好的loss，也可以更好地抑制模型生成单调内容；从推理角度来看：基于Transformer的模型可以通过引入各种参数与策略，例如temperature，nucleus samlper来改变每次生成的内容。Q2：什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？答案：Bert 的...