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