1. 自我介绍2. 过一下你觉得最好的项目/实习。说了一个教程类开源项目，其中包括部署、LoRA微调等内容。又说了了另一个在学校做的项目，问的很细，包括我们使用Function Call做检索的流程、用langchain如何实现的，内部原理是什么。3. 下一个项目BERT相关的，问了问Transformer的原理结构，他的优点是什么，我讲的是他是不限制距离计算，有效遏制了经典RNN模型的长序列遗忘问题。问了问BERT的原理，幸好看过原论文，简单说了下。4. 下一个项目是做的Qwen SFT，训练数据如何生成的，多少数据，训练的参数，训了多久。5. 问了强化学习deepseek，我答了GRPO和PPO，问了DPO我没看过。6. medium题

勇敢牛牛，不怕困难！

有uu收到了吗，周四一面后十多分钟后二面，二面是腾讯会议面的，还没收到HR消息是不是凉凉了，页面还显示面试考察中

py后端岗

今天面的是一个做大模型应用（Agent）的初创公司，岗位是大模型算法工程师，聊了有50分钟左右。1. 自我介绍2. 项目介绍3. Transformer、Bert、GPT的结构（这个地方我说错了，说成了残差连接是直接跨过transformer块的，其实是在块内有两个残差连接）4. 下一步应该如何改进（之前有一个做量化的公司也问过这个问题）5. 如何看待现在的大模型应用6. 介绍Prompt方法面完感觉自己整体表现还凑合，不过还有没说出来的东西，再接再厉。最后还给安排了一个任务，等过几天有空了做一下。

昨天进行的二面，刚抽出时间记录一下。另一位面试官进行的二面，又介绍了一遍之前RAG的项目经历。1.用的什么接口2.如何做的RAG3.原始数据形式，如何处理的4.数据规模，每个文档大小5.用的什么embedding模型6.如何做分块7.召回结果的量化评测（几乎每次都问了这个）8.如何爬的数据9.什么专业的——计算机10.如果浏览器访问一个baidu.com，都会经历哪些过程11.了解最新的大模型，用过哪些12.大模型的论文，问Bert和GPT

这家公司是做AIGC的，主要是做Diffusion相关。在我看来还是非常高大上的，就是抱着试一试的心态去面，过的概率感觉不大。面试是两位面试官，上来先是我的自我介绍（奇怪，上午那个居然没让我自我介绍）。这次面试还是围绕着简历进行的提问。第一个项目：是RAG相关的，问了具体的项目经历，其中问了存储的数据形式，以及调用数据库的触发条件。今天的两个面试都问了数据检索能力，因为之前在开发的时候确实没有定量地测试过准确度，只是看使用者反馈过来的效果（因为认识不多，可能就两位数）。问了数据是否是QA的形式，答：直接把文档embedding后传上去的。此外，还问了一些关于Agent、Prompt相关问题。还问了个COT第二个项目：用到了CNN和Bert。问了Bert和GPT以及两者区别，我就答了个encoder only和decoder only，感觉没答到点上。后面查了一下，应该是回答Bert是双向编码模型，用了一个MLM，GPT是声称是模型，将后面的词Mask掉，他的注意力矩阵是一个三角阵。再贴一个应用场景：GPT：文本生成、对话系统、自动写作（我答的是对于生成任务来说比较好）；BERT：文本分类、命名实体识别、问答系统、句子对匹配（我答的是做下游的NLP应用比较好，实质上是做的针对于上下文进行一个embedding。这答得感觉寄了）他们公司是做Diffusion的，这一波下来感觉我的经历切合度不很低，应该寄了。

今天面了个做法律大模型的初创公司，岗位职责是做一些爬虫、数据清洗之类的作为LLM训练用。面试问的很细，简历写的经历基本问到底。问了XGB、向量数据库、爬虫、切片（问了用了哪些参数）、可控文本生成等，基本上项目相关的全都问到了。其中项目中有一个解析LLM生成的Json说用了正则，还顺便考了几个正则问题。感觉我说的不清楚，涨了个教训。回来有时间把每个项目经历自己再叙述一遍，整理整理语言。#

投了一两周简历石沉大海，今天突然来了两个面试，可惜人在外面😰😰

数值计算方法的考纲里没有样条插值，所以只学了拉格朗日插值和牛顿插值，最近新出的KAN就用了B样条插值。忽然意识到，只为了应付考试而读书才是大学生悲哀中的悲哀