感觉面完人都通透了，还是太菜了，下去沉淀一下1.拷打项目2.了解NAS和遗传算法3.transformer八股4.写一下注意力机制5.手撕softmax实现6.立扣算法题

攒人品中 1.项目拷打2.实习拷打3.用什么AI产品解决问题?用Claude学东西+各种拷打自己..用codex和claude code做pj4.场景题,给你一个场景如何节省token开销来解决这个问题5.场景题,还是围绕开销,具体忘了6.你项目的数据集多大7.能实习多久

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. LoRA 微调原理：微调哪些层？常用训练参数设置：epoch、learning_rate 等。2. RAG 切片实现方法：如何设计和优化切片过程？3. 微调中的常见问题与解决方案：面试官特别关注实际踩过的坑和解决思路。4. Embedding 召回优化策略：如何提高召回效果和模型效率？5. 复读问题分析：原生模型复读不严重，微调后却复读明显，原因何在？感觉最近的模型不咋重复啊。6. 领域知识注入：LoRA 微调能否有效注入领域知识？效果如何？7. 大模型幻觉（Hallucination）解决方案：如何缓解模型幻觉问题，稳定输出？8. 优化器考点：Loss 除以 10 和学习率除以 10 有什么区别？9. Self-Attention 的线性变换 (QKV)：为什么要做 QKV 线性变换？起初真懵了，为什么，你说为什么？10. 机器学习懂么？11. Self-Attention 中的 Softmax：为什么需要 Softmax？算法题挑战题目： 给定两个字符串，比如 s1=acdk, s2=ckad，每次可以将 s1 中任意一个字母移到末尾，问最少移动次数使得 s1=s2。如果无法匹配，返回 -1。

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1.项目拷打2.实习拷打3.上来就是手撕leetcode87.扰乱字符串的变体，不出意外寄了4.让介绍一个简历里最有亮点的论文5.问了创新点和应用场景6.问L1正则化和L2正则化的区别及适用条件7.又问了问论文