这个大模型技术支持是干什么的

春节提前走，其实理由很简单：买不到票。每年春节回家的人太多，高铁票、飞机票一票难求，如果不提前离开，就很可能错过回家的机会。相比于其他理由，这个理由最现实，也最容易被理解。在工作或实习安排上，只要提前做好手头的任务交接，把事情安排妥当，说明自己是因为交通原因不得不提前离开，大多数同事和领导都会理解。毕竟，春节回家陪伴家人，是每个人最合理的安排。

很多人问我如何准备大模型的面试，分享下我的经验，针对两种情况：1. 有大模型实习2. 无大模型实习针对无大模型实习的情况，我建议先找一段中厂实习为主，比如 zhipu、Minimax （当然有大厂进大厂）这些，相对容易进，尽量积累大模型实习经历。针对有大模型实习的情况，复习内容为：1. 常规八股（transformer、bert 等）2. 最新八股（GQA 等）3. 技术报告（一定要自己看原PDF，目前推荐 DeepSeekV3, R1, kimi1.5, Minimax-01, Qwen2.5, Qwen2.5-VL）4. 手撕 Leetcode：Hot1005. 手撕模型，比如 MHA 这些首先是常规八股和最新八股，这一部分可以自己找找网上资料，整理好的，背。然后是技术报告，目前推荐的内容有：1. DeepSeekV3：必读2. DeepSeekR1：必读3. Kimi1.5：选读4. Minimax-01：选读，据我所知最长上下文模型（外推到 4M，不过好像被 LLama4 的 10M 超过了）5. Qwen2.5：必读6. LLama3.1：必读7. Qwen2.5-VL（如果简历有多模态内容）：选读重点关注：1. 阶段训练（预训练几段、Post-training 几段？上下文用了多少？数据配比是什么？）2. 模型创新点（MHA 创新是什么？作用是什么？）3. 上下文优化创新点（一般是优化显存和阶段训练）4. 多模态优化创新点（简历有多模态内容）5. 几个模型不同之处（比如 Qwen2 和 Qwen2.5 的不同之处）最后是手撕，Leetcode 只刷 Hot100 够了，模型手撕建议关注（我目前会的）：1. MHA2. LayerNorm3. Transformer Encoder (MHA+LayerNorm+FFN)4. PE（绝对位置编码）5. ROPE6. SwiGLU7. RmsNorm每次面试前快速过一遍就 ok 了。

********上有个“扣友新春联欢活动”，点进去看了一下，大家太有才了

欢迎友好讨论，信息共享1. 实习拷打2. deepFM介绍一下，deep侧和FM侧的区别，特征数量是一样的吗？3. 多任务模型的发展流程了解吗？介绍一下4. 召回了解吗，usercf召回的时候对应的user的向量怎么生成5. 优化器了解吗，介绍下adam，adam和sgd的优缺点6. 怎么判断模型过拟合7. 手撕代码：快速排序