推荐算法求日常实习

自我介绍八股（可能遗漏）：1. 讲讲推荐系统流程2. Transformer 位置编码是什么3. QKV 注意力公式为什么除以根号 d4. 简单讲讲 GCN5. 简单讲讲 RNN6. RNN 里的参数是什么样的（答：参数共享）7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？8. 讲讲 BN？BN 训练和推理什么区别？有什么用？9. 用 CNN 把 (64, 64, 128) 变成 (x,y,z)（具体数字忘了），卷积层参数量是多少，计算一下（没答上来）。10. 我看你上过最优化方法？什么问题才是一个凸问题？凸集和仿射集的定义是什么？算法题：LC233（Hard），纯初见，没做出来，勉强讲了一下初步思路。反问：对我有什么建议，答建议提升算法能力，建议多搞点相关度高的实习和项目。言下之意应该是匹配度有点低。全程对面没开摄像头，回答卡住时无引导，面试体验一般。

LLM 大模型学习必知必会系列(一)：大模型基础知识篇 魔搭 ModelScope 开源的 LLM 模型 魔搭 ModelScope 欢迎各个开源的 LLM 模型在社区上做开源分享。目前社区上已经承载了来自各个机构贡献的不同系列的 LLM 模型。并且社区的开发者也在这些模型的基础上，贡献了许多创新应用，并在 ModelScope 的创空间上进行分享。本专题初步梳理了当前社区上一些典型的 LLM 以及对应的创空间应用，方便大家对于 LLM 及其周边生态有更好的整体了解，也欢迎大家贡献更多的模型和创空间，一起玩转 LLM 的世界。 https://modelscope.cn/topic/dfe...

现在非常缺人，部门非常核心。需要有搜推广方向实习经验/paper，比赛获奖也可以，否则可能过不了简历。有意向可私聊我投递简历！可选工作地点：上海新江湾/北京大钟寺

目前接了某中厂(zyb)核心部门貌似非核心业务的搜索算法offer，还没入职。现在可能会有其他选择，关于大模型的prompt和rag的岗，英te尔这种公司。想问一下大家，这种该怎么考虑啊？背景是：之前有过大模型prompt和rag的小厂实习经验，但技术层面不深入。几乎没接触过系统的搜广推。个人感觉：去做传统搜索，应该会学到东西？想法是：没接触过就想接触接触。。然后大模型如果没机会接触微调的话，只搞prompt和rag是不是有点虚，因为现成的框架和工具已经很多了，感觉技术含量不高，就纯应用。将来秋招继续找算法岗的话，哪个会帮助更大呢？希望大家给点建议，讨论讨论也好哇谢谢u...