日记第十一天

1⃣一面时间：9.12  时长：1h code：统计岛屿数量、最大岛屿面积，DFS方法解了然后介绍实习项目，面试官非常耐心地听，没有打断八股 1.bert和gpt的区别？（从模型架构、训练方式、使用场景方面回答的） 2.训练/微调一个LLM的流程？ 3.实习时用的 megatron 框架吗，对分布式训练框架了解多少？（回答了deepspeed和megatron区别，以及几种并行方式，以及deepspeed的三种zero） 4.了解强化学习吗，跟SFT有什么区别？ 5.反问：业务，对岗位的期望💣评价：有点紧张，算法题有一个小失误没注意到 2⃣二面时间：9.14  时长：1h 八股 1.写一下 ...

遇到困难不要害怕，勇敢的面对他，奥利给！根据个人经验，紧张那就多面，面的多了，自然就熟了心态也很重要，不要认为这次面试面不好就完蛋了，乐观点，就当是谈话，放轻松，一定可以的

现在准备秋招了，上个星期面了字节和奇绩创坛，前两天面了美团，很快，上午投的，晚上就面了，然后面完发现确实玩了太久了，这博客也好久没更新了，赶紧加班加点学一下噻。那么不说废话了。先讲讲RAG是什么？这个RAG我讲过很多次了，（现在看到这里基本上是3.0版本了，现在的东西就不算速成的内容了，我说过我要写教程，写大众通识的内容，所以要深入浅出完整的讲。） 这个东西本质上算外置大脑，在模型进行给出内容之前先检索再生成。 那么RAG 解决了什么问题或者有什么用？幻觉知识过时（现在一般通过联网解决问题）无法访问私有/特定领域数据那么RAG的核心工作流程是什么？第一阶段：检索在你知识库准备好之后，我们需要对...

感慨一下，两年前，大二暑假结尾拿到了第一个实习offer，居然是字节给的。后来又去了其他厂实习。最后秋招顺利回到老东家。现在已经正式入职快两个多月了。非常感谢字节愿意给面试机会，也非常感谢各位面试官能让我通过感谢字节给了我一个很不错的起点，后面就走一步看一步啦