准备实习day2，今天是明确了方向的一天，三月目标通过面试

1. 你在昨天的面试环节中，有哪些地方觉得自己表现得不好，哪些地方觉得自己表现得不错？回顾昨天的面试，我觉得有些地方表现还不错，但也有一些需要改进的地方。表现比较好的方面，首先是技术基础问题回答得比较扎实，像HTTP协议、TCP/UDP的区别、智能指针的使用这些问题，我能够结合实际项目经验来阐述，不只是理论知识，还能说出在什么场景下使用、为什么这么选择，这让我的回答更有说服力。其次是算法题的思路比较清晰，虽然一开始没有立刻想到最优解，但我能够从暴力解法开始分析，逐步优化到最优解，展现了问题分析和优化的能力。第三是在项目经历的讲述上，我能够清晰地描述遇到的问题、分析过程和解决方案，特别是在讲性能...

大学四年学完之后啥也不会，目前还在准备复试，同时开始焦虑以后找不找得到工作，考研考的是一所中流985，导师大多不放实习或者只放一段暑期，现在还没想好学什么，但是看到现在的ai发展感觉以后要找不到工作了，想问一下大家以后的学习路线什么比较好，目前比较感兴趣的几个方向：1.java/go后端开发，优点是量大，缺点是超级无敌卷，鼠鼠本身也不上进，害怕卷不过高手们。2.算法，目前还不知道导师是什么样的人，但是鼠鼠本身不喜欢科研发论文 ，算法估计是没戏的3.客户端：andriod/ios/游戏  鼠鼠本身也对游戏感兴趣，但是讨厌游戏开发普遍的加班行为，鼠鼠本身就经常熬夜，担心以后身体出问题，而且客户端不利于以后35岁找工作。4.前端：都在说前端已死，鼠鼠现在害怕的都不敢学前端了。鼠鼠觉得现在去读研究生三年回来，又不知道市场发生什么变化，总之就是非常焦虑，希望大家能给一点建议。

一面： 1. 自我介绍，讲论文和实习。2. Transformer自注意力机制、位置编码、梯度消失/爆炸的解决方案。3. 微调方法对比（Full Fine-tuning vs. LoRA/Adapter/P-Tuning）。4. 推理加速技术（量化、动态批处理、FlashAttention）。5. 如何优化大模型在长文本生成中的显存占用？6. RLHF中奖励模型（RM）的训练数据如何构建？7. 为网易云音乐设计一个AI歌词生成系统，如何提升创意性和押韵效果？8. 模型剪枝/量化（GPTQ、AWQ）、服务化框架（FastAPI+vLLM）。9. 如何解决大模型API服务的响应延迟问题？一面八股挺多的，问的知识点也非常多，主要考察对大模型的理解，整体来说难度不算大，复习熟记八股应该都比较好答。二面：1. 自我介绍，讲论文和实习。2. LayerNorm和BatchNorm在大模型中的区别？为什么Transformer用LayerNorm？3. 解释大模型训练中的“灾难性遗忘”现象及解决方法。4. 如果微调后的模型过拟合，你会如何调整？5. 如何评估一个对话系统的生成质量？6. 如何用大模型提升网易新闻的推荐效率？7. 设计一个游戏内AI陪玩系统，需考虑哪些模块？8. 领域适配时，如何构建高质量的垂域训练集？9. 你在项目中如何解决数据稀缺问题？10. 模型上线后遇到了什么性能瓶颈？如何优化的？建议：精读《Attention Is All You Need》、HuggingFace文档。如果没有大模型项目，可用Kaggle/开源项目复现（如LangChain应用）。