dw做框架网站用illustrator做网站
暑期实习基本结束了，校招即将开启。
不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。提前准备才是完全之策。
最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。
总结链接如下：
- 《大模型面试宝典》(2024版) 正式发布！
喜欢本文记得收藏、关注、点赞。更多实战和面试交流，文末加入我们星球
最近一位同学跟我聊实习，面试了小红书，项目抠的很细，让他有点破防，又问了很多八股。。。心情很是低落。
为什么现在面试都这么卷呢？为什么面试通过率这么低？
前些年互联网蓬勃发展，AI 技术人才供不应求，相关专业毕业生不够用。稍微有些项目经验，工作就不用愁。
那时候招聘，只要资质没问题，先招进来，再培养，所以多数人只要多投多面，总能跳槽成功，殊不知更多是因为公司在抢人，因为业务有前景，活儿总得有人干。
而今时移世易，供需关系逆转，老板们都在强调降本提效，招聘自然会设置更高门槛，优中择优。建议提早准备，多了解职场信息。
一面
- 聊项目，抠的贼细
- 你们的训练集和验证集. 测试集分别是多少？怎么来的？
- 宏平均和微平均是用来干什么的？是如何计算的？他俩的主要区别？
- 知识蒸馏为什么有效. 详细介绍一下知识蒸馏？
- Transformer为何能够有效地处理长距离依赖问题?与传统RNN和LSTM相比有哪些优势?
- 多头注意力的作用是什么?
- 在Transformer模型中，位置编码(Position Encoding)的作用是什么
- Bert 中有哪些地方用到了mask？
- 预训练阶段的 mask 有什么用？
- Bert中的transformer和原生的transformer有什么区别？
- 强化学习适合在哪些场景使用？
- 智力题：如何用rand6实现rand10
代码题
- 最小覆盖子串：
给你一个字符串 s 、一个字符串 t 。返回 s 中涵盖 t 所有字符的最小子串。如果 s 中不存在涵盖 t 所有字符的子串，则返回空字符串 ""
二面
- 聊项目
- layer normalization 的好处是？和 batch normalization 的区别？你有没有看过有的 transformer 也用bn？
- BERT 的主要改进，包括结构的改进. 预训练方式的改进，都说一下？
- Reformer中. LSH（局部敏感哈希）是如何实现的？
- CRF 和 HMM 的区别. 哪个假设更强？他们的解码问题用什么算法？
- lstm 参数量计算. 给出 emb_size 和 hidden_size. 求lstm参数量
- 简单实现一个layer normalization类. 只需要实现__init__和forward就行
- 简述GPT和BERT的区别
- 为什么现在的大模型大多是decoder-only的架构？
- 如何减轻LLM中的幻觉现象？
- GPT-3拥有的1750亿参数，是怎么算出来的？
- 参数高效的微调（PEFT）有哪些方法？
- 目前主流的中文向量模型有哪些？
- 请介绍一下微软的ZeRO优化器
代码题
- 反转字符串
- 无重复字符的最长字串
技术交流&资料
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。
成立了算法面试和技术交流群，相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、微信搜索公众号：机器学习社区，后台回复：加群
方式②、添加微信号：mlc2040，备注：来自CSDN + 技术交流
通俗易懂讲解大模型系列
-
重磅消息！《大模型面试宝典》(2024版) 正式发布！
-
重磅消息！《大模型实战宝典》(2024版) 正式发布！
-
做大模型也有1年多了，聊聊这段时间的感悟！
-
用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总
-
用通俗易懂的方式讲解：不要再苦苦寻觅了！AI 大模型面试指南（含答案）的最全总结来了！
-
用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer
-
用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战
-
用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！
-
用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了
-
用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型
-
用通俗易懂的方式讲解：ChatGLM3-6B 部署指南
-
用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了
-
用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统
-
用通俗易懂的方式讲解：Llama2 部署讲解及试用方式
-
用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路
-
用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术
-
用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？
-
用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法