大模型 面经

探讨了一下过往项目，聊了一下状态空间相关的话题，行车规控相关内容（我没做过，聊不起来）如果想转大模型的话，多学习一下微调比较好，面试官说微调挺简单的，也很重要通过和面试官交流，发现大模型行业也面临落地难的困境，转行还需慎重考虑，一行又一行的难处没有coding

这一期就是差不多来到实习第二周准备跳槽的时间点了。为什么要跳槽呢，上述文章我也写了原因，因为要会学校考试嘛，然后三天内面了个67家左右，找了个工资高的直接考完试就去了。大概是20号多左右。这家干着还行吧，会请大伙喝奶茶，端午也送东西，（基本上全用不上，送我个keep跳绳我想不明白是因为什么），最主要是mt人挺好，不让我干活，申请加班不让，请假说远程回来搞，就说你好不容易请次假，你踏实考试就行，我也没办法，这家公司最大问题是我觉得就是强度太低，他比平时我在学校学习工作的强度都还低，我集中精力去搞强度大概是他两倍多，有点扯远了，我个人习惯如此，上来先扯淡，闲聊让大伙放松一下，那么讲讲正事，实习要做...

 什么是MOE（混合专家模型）？其核心设计思想是什么？   DeepSeek MOE是哪家公司的产品？其架构设计有哪些特色？   门控网络（Gating Network）的作用是什么？ 如何解决MOE中专家负载不均衡问题？   在分布式训练中，MOE如何实现专家参数的高效更新？   DeepSeek MOE如何优化长序列场景下的推理效率？   如何评估MOE模型的稀疏性效率？请列举至少2个指标。   若设计多模态MOE模型，门控网络应如何融合图像/文本特征？   若MOE推理时出现“专家选择震荡”，如何解决？

实习ing。从3月-6月期间也一直在关注Java后端的招聘情况，发现不容乐观。实习过程中干的活比较偏向业务，产出不多，如果写实习经历的话，包装是必须的。实习最大的提升在于了解了整个开发流程，从需求评审会到最后上线的过程。通过各大官方招聘公众号的消息来看，目前前端岗位的缺口是比较大的。（特别是腾讯和腾讯音乐TME公开了一些岗位的招聘情况）据朋友美团面试来说，大前端这个概念可能会比较热门，AI辅助编程的技能也是重点需要掌握的。美团面试官自诉有80%的代码都交给了AI编写。另外一起朋友的案例是后端简历稍加修改去投递腾讯前端岗也能接到面试，并且过了3轮。我对岗位不执着，前端、后端、测开都可以，算法也行...