阿里优酷25届AIGC视觉方向电话面

5.10面的，面试官没开摄像头，也没算法题，30分钟一到直接结束（牛魔的）。一开始面试官就说时间比较紧。结果不用多说。。PSNR、SSIM还有LPIPS的区别对比学习核心它是什么两个数据集，它是两个分布，但这两个之间的这种相似度怎么去衡量？就比方说像那种生成类的，像那个干这种从噪声生成图片，生成图片的这种真实度我怎么去衡量？你这些损失函数对训练效果分别有什么影响（我菜，会的佬评论区教一下，我用的是Charbonnier loss，Codebook loss.Perceptual loss，Adversarial loss）SEB为什么不能用交叉注意力来替代场景题开始（没见过问这么多场景题的）：视频增强和超分怎么利用时序信息你是只给了我一个单帧的检测结果是吧，然后你比方说检测到了一个飞机，我想让你给我的这个结果是包含了这个飞机在这个视频里面的完整的运动轨迹。比如说他的位置什么的，这些想让你给我更多的信息，你应该怎么做？每一帧的结果我都要。（我随便扯。）最简单的方式，你就把每一帧的检测结果都给我，对吧但这肯定他不是一个track，他没有联系起来，而且他还有可能有漏检误检的情况，那这些情况怎么处理？无算法。#阿里##实习##算法##我的实习日记##我的实习求职记录##面经#

aigc算法岗4.30投，5.10一面，5.14笔试，5.24OC很奇怪，就面了一面，当时还说后面还有几面，结果直接打电话来oc了，最简单的一集前几天还有电话打过来说是阿里hc没了给我转到阿里外包，还以为寄了，原来是以前投的夸克那边hc没了

研究生期间接触的 语音驱动视频AIGC 合成，自己也训练过 wav2lip，也使用wav2lip, sadtalker等一系列模型造过数据集，在投一篇aigc检测的论文（为啥不发合成的……代价有点大，组里面就我自己在搞）找实习，二面挂我，很痛苦，秋招怎样提高自己的竞争力啊做个项目挂 github？语音驱动视频的，说明自己训练的好？(想过发论文，但创新点…尝试方法可行性的过程太久了，也就三四个月的时间就秋招了）引流：字节 腾讯 阿里 拼多多 小红书 百度 intel 蚂蚁 饿了么 小米 vivo 

面试完就知道gg，简直是一个小时的压力面🥲 1. 自我介绍 2. 研究生阶段项目介绍和研究生课程有哪些（直接给我懵了） 3. transformer模型结构 4. self-attention为什么是QKV三个，作者是依据什么构造出来的 5. 梯度消失和梯度爆炸定义，用什么解决 6. Bert的embedding 7. 大模型LLM和transformer的区别，LLM好在哪里 8. LLama模型结构 9. 位置编码方式有几种，为什么旋转位置编码好，好在哪里 10. 为什么GPT采用decoder-only架构，encoder-only为什么不应该更好？ 11. 自己的项目和大模型的结合，...