得物大模型算法实习面经分享

攒攒人品!有面试过同岗的朋友欢迎评论区交流
1.agent的改进方向是什么
2.你认为从大模型端要做什么来适配agent
3.大模型基础 & 微调
4.大模型项目遇到了什么问题
5.大模型微调的机制
6.lora的具体原理
7.lora中特殊的超参数有哪些,分别有什么意义,会对模型有什么影响
8.lora效果不好怎么办
9.lora的缺点,改进方向
10.有没有从0训练大模型的经历
11.上下文 & 记忆机制
12.怎么加强大模型记忆机制
13.上下文接口怎么修改
全部评论
请问有手撕吗
点赞 回复 分享
发布于 05-12 14:48 湖北

相关推荐

04-22 16:17
已编辑
电子科技大学 算法工程师
看了大家不少面经,我也发发面经攒人品✉️投递:3.18💬面试:一面 3.23 二面 3.25 三面 4.3 HR面 4.13📝offer:4.21🎙️我的感受:我由于测评不高,面到HR面的时候非常的焦虑,很怕因为测评给我挂了我投的淘天全挂了,可能就是因为测评不行吧总体下来阿里的面试官还是挺尊重的,拷打的很详细bg:双九,一段小厂对口实习面试主要内容狠狠拷打简历,实习内容,问的非常详细,会问到你负责了什么,用了多少张卡,学习率怎么样,训练了多久,用了多少数据,数据是怎么准备的,显存占用怎么样场景题:如果我目前有一个数字人的模型,我想训练成只生成一个人的,可以怎么做你看过什么别的 SOTA 模型的 ref image 注入方式,有什么优劣八股:如何判断模型是否收敛如果训练的时候梯度消失或者爆炸,你怎么解决如何系统判断是否训练完成,特别是在视频生成模型中有哪些常见的蒸馏方法LoRA 微调的原理DiT 的框架流程,如何时间注入,讲一讲 AdaLN讲一下 flow Matching,原理,优势现在为什么大家都用 RMSNorm 而不是 LayerNormAdam 和 AdamW 的原理,有什么改进手撕:1. 二叉树的右视图2. 非 hot 100,滑动窗口3. 扎破所有气球的最少箭数暑期实习还是太折磨了,我面了好多场,一直在泡池子。。。腾讯二面给我泡了13天然后挂,米哈游一面挂,快手简历挂。。。看到身边同学都拿到offer了,那是一个焦虑啊,本来都想转日常了。最后总算是有一个结果了
查看15道真题和解析
点赞 评论 收藏
分享
开场: 1、自我介绍研究方向:2、介绍下你的研究方向这块实习:3、实习做了哪些工作4、系统的数据来源5、系统这些数据量大不大,用什么存储的6、慢查询排查优化完整流程讲一下7、这块MySQL的数据量大吗,怎么样的8、Caffeine参数怎么设置的9、Caffeine命中率统计过吗10、如何保证Caffeine命中率11、Redisson分布式锁解决缓存击穿是什么样的场景12、没拿到Redisson分布式锁的线程直接返回吗13、Caffeine + Redis + 数据库的三级缓存会出现缓存击穿吗,怎么解决项目:AI项目14、这是开源的还是你们真实存在的,介绍下15、召回率准确率有测量吗点评16、这个是开源项目吗17、介绍下你做了哪些优化18、滑动窗口限流用的Redis哪个数据结构19、这里面key这些怎么设置的20、滑动窗口和请求数设的多少21、那如果很高并发请求,这块还可行吗,怎么办22、做过压力测试吗23、Redis 是单体的吗还是24、Lua 脚本里redis key怎么构成的八股:25、常见限流算法还知道哪些,讲一下26、Lua脚本能保证原子性吗27、Kafka rebalance场景说一下28、Kafka 分区数与消费者组消费者数这里的关系讲一下29、Kafka 重复消费怎么解决30、Kafka 消费堆积怎么解决31、线程和进程的区别32、InnoDB默认隔离级别是,解决了哪些问题,怎么解决幻读的33、事务四大特性34、Spring 怎么解决Bean对象循环依赖的35、ArrayList是线程安全的吗,List里面有哪些是线程安全的36、ConcurrentHashMap如何保证线程安全的37、final关键字的作用38、synchronized 和 ReentrantLock 区别39、垃圾回收了解吗40、OOM如何排查优化,了解过吗41、实际用过MAT吗42、Redis有哪些数据结构43、Redis底层用了哪些数据结构44、Redis过期删除策略和内存淘汰策略
点赞 评论 收藏
分享
评论
2
8
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务