大模型应用开发实习选干dirty work的大厂还是能学到东西的国企

发一下问题给大家参考，攒攒人品！有面试过同岗的朋友欢迎评论区交流项目拷打Transformer1.Transformer结构介绍2.自注意力机制介绍CUDA:1.Safe Softmax和普通softmax的区别?2.如何实现的online softmax科大讯飞iFLYTEK3.代码实现online softmax4.CUDA开发流程5.如何在CUDA上求一个数组的和?如何在CUDA上划分和合起来6.编译命令?nvcc有哪些常用参数?7.GCC有哪些参数?链接动态库?头文件查找路径?8.动态库和静态库的区别Pytorch:1.一个Tensor[1,2,3,4]想转成[4,3,2,1]有那些函数可以做到?(permute)2.介绍一个熟悉的继承自nn.Module的类推理加速中的FlashAttention了解吗?

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.项目介绍2.介绍GRPO，DPO和SFT3.介绍PPO4.怎么重新设计奖励，不稀疏5.稀疏奖励怎么平滑6.LayerNorm和RMSNorm区别7.介绍transformer8.介绍GAN和VAE的区别9.介绍diffusion10.介绍GQA，怎么能和MHA性能相当手撕，反转链表的left到right的节点

发一下问题给大家参考，攒攒人品！1.实习经历项目2.Python列表与生成器区别3.两个张量 一个为1*2*3，一个为3*2*1 二者能进行哪些操作4.8B大模型用int8量化会占用多少硬盘内存5.如何让大模型能够实现128K的上下文6.后训练中强化学习方法介绍

“如果想要去ai相关的岗位实习，需要先学习什么内容，可以给个学习路线吗（比如先要学习什么做基础然后学到什么程度之类）。”这是很多同学想了解的问题,我浅谈一下自己的学习路线，仅供参考。阶段一：打好地基 🧱Python编程：重点掌握核心语法、数据结构和面向对象（OOP）思想。目标：能熟练使用Python解决问题，至少刷完LeetCode简单和中等难度的题目。数学基础：理解高数、线性代数、概率论的核心思想。目标：不要求背公式，但要懂原理。阶段二：迈入核心 🧠机器学习基础：学习监督/无监督学习、分类、回归等经典理论。目标：熟练掌握NumPy、Pandas、Scikit-learn这“三件套”，能独立完成一个简单项目深度学习入门：理解神经网络（NN）、CNN、RNN等核心概念。目标：推荐PyTorch框架，并能搭建一些小项目。阶段三：垂直深耕 🚀针对心仪岗位（以AI Agent为例）针对学习，了解相关岗位需求大语言模型 (LLM) 基础：核心是理解Transformer模型原理并学会如何调用GPT等大模型的API。Prompt Engineering：学习如何写出高质量的提示词，让LLM精准理解你的意图Agent开发框架：重点学习LangChain或LlamaIndex。目标：能用框架调用LLM、连接外部知识库或工具，并搭建一个简单的应用阶段四：动手实践 💻项目是简历的敲门砖！ 可以利用前几个阶段学习的内容写一个小项目，将代码上传到GitHub，并写一份清晰的README文档，可以成为你面试时的Demo。可能很多时候一开始摸着石头过河会有点迷茫，但最重要的是一定要多动手、多实践