面了金山和 OPPO 的 NLP 算法岗,还热乎的面经分享给大家

节前,我们星球组织了一场算法岗技术&面试讨论会,邀请了一些互联网大厂朋友、参加社招和校招面试的同学,针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。


汇总合集:《大模型面试宝典》(2024版) 发布!


分享我们星球上一位超级牛叉的小伙伴的面经。

面试基本在两周之内结束掉了,还因为时间冲突推掉了小米和滴滴。

因为去年秋招、春招时,看过星主在社群中分享了许多NLP&大模型相关的面经,收获的很多。在此感谢大佬的分享,也很感谢那些平时给答疑的小伙伴。在这里我也分享一下自己面经,希望大家都能找到理想的工作。

哈哈哈,我暂时卷不动了,休息一段时间。

1、金山 NLP

2.28 投递

3.2 笔试

3.14 一面

3.19 二面

3.25 hr面

3.27 电话oc

一面 30min:

  • 1、bert、gpt等大模型的架构是什么

  • 2、怎么实现的只看到前面的token

  • 3、decoder-only的mask怎么实现

  • 4、bert还需要mask吗

  • 5、llama的结构

  • 6、前置层归一化的好处是什么?

  • 7、还有什么区别?层归一化函数用的RMSnorm,还有旋转位置编码

  • 8、旋转位置编码的好处是什么

  • 9、项目介绍

  • 10、数据怎么处理的,训练数据输入和输出之间用什么分割符

  • 11、lora和adapter的区别和相同点

  • 12、lora和adapter的在推理时有什么区别

  • 13、用过或了解什么分布式训练

  • 14、llama2和llama的区别

  • 15、无手撕

二面 1h10min:

  • 无八股,基本在聊项目及细节,因为项目涉及VAE在文本上的应用,面试官还让画图展示讲解。

  • 算法:找到数组中最大的k个数,说思路就行(说了最小堆),以及时间复杂度

三面 15min:

  • 简单聊天,当场oc说申请offer,过了两天电话确认base地

2、OPPO NLP:

2.26 投递

3.9 笔试

3.18 一面

3.20 二面

3.21 hr面

3.29 offer

一面 30min

  • 1、自我介绍+项目介绍

  • 2、bert和gpt的区别

  • 3、bert怎么实现看到上下文的

  • 4、介绍一下qlora

  • 5、介绍promt tuing和其他高效微调方法

  • 6、算法:最长回文子串,说思路(太久没刷题了忘记动态规划、面试官说不一定要用最优解,我就说了个暴力解的思路)

二面 30min

面试官应该是主管,主要是聊天,没怎么问技术,也没有手撕

  • 1、自我介绍+项目介绍

  • 2、了解国内的大模型吗(说了chatglm)

  • 3、chatglm的优化点在哪

  • 4、长度外推现在一般怎么做

  • 5、以往的项目中有没有自己主导的内容

  • 6、有没有遇到过分歧什么的,怎么解决的

  • 7、自己努力去实现目标的事

hr 面 25min

  • 1、自我介绍+一些家常

  • 2、拿到offer了吗

  • 3、求职最看重的三个点

  • 4、求职最反感的是什么

  • 5、如何判断企业价值观与个人价值观匹配呢

  • 6、为什么没有企业实习经历

  • 7、有没有因为预期会损害到他人利益,而十分纠结的经历

  • 8、家人对找工作有无支持

  • 反问:培训制度、上班时间

技术交流群

前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了NLP&大模型算法岗技术与面试交流群, 想要获取最新面试题、了解最新面试动态的、需要源码&资料、提升技术的同学,可以直接加微信号:mlc2040。加的时候备注一下:研究方向 +学校/公司+CSDN,即可。然后就可以拉你进群了。

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:技术交流

用通俗易懂方式讲解系列

  • 《大模型面试宝典》(2024版) 正式发布!

  • 《大模型实战宝典》(2024版)正式发布!

  • 用通俗易懂的方式讲解:自然语言处理初学者指南(附1000页的PPT讲解)

  • 用通俗易懂的方式讲解:1.6万字全面掌握 BERT

  • 用通俗易懂的方式讲解:NLP 这样学习才是正确路线

  • 用通俗易懂的方式讲解:28张图全解深度学习知识!

  • 用通俗易懂的方式讲解:不用再找了,这就是 NLP 方向最全面试题库

  • 用通俗易懂的方式讲解:实体关系抽取入门教程

  • 用通俗易懂的方式讲解:灵魂 20 问帮你彻底搞定Transformer

  • 用通俗易懂的方式讲解:图解 Transformer 架构

  • 用通俗易懂的方式讲解:大模型算法面经指南(附答案)

  • 用通俗易懂的方式讲解:十分钟部署清华 ChatGLM-6B,实测效果超预期

  • 用通俗易懂的方式讲解:内容讲解+代码案例,轻松掌握大模型应用框架 LangChain

  • 用通俗易懂的方式讲解:如何用大语言模型构建一个知识问答系统

  • 用通俗易懂的方式讲解:最全的大模型 RAG 技术概览

  • 用通俗易懂的方式讲解:利用 LangChain 和 Neo4j 向量索引,构建一个RAG应用程序

  • 用通俗易懂的方式讲解:使用 Neo4j 和 LangChain 集成非结构化知识图增强 QA

  • 用通俗易懂的方式讲解:面了 5 家知名企业的NLP算法岗(大模型方向),被考倒了。。。。。

  • 用通俗易懂的方式讲解:NLP 算法实习岗,对我后续找工作太重要了!。

  • 用通俗易懂的方式讲解:理想汽车大模型算法工程师面试,被问的瑟瑟发抖。。。。

  • 用通俗易懂的方式讲解:基于 Langchain-Chatchat,我搭建了一个本地知识库问答系统

  • 用通俗易懂的方式讲解:面试字节大模型算法岗(实习)

  • 用通俗易懂的方式讲解:大模型算法岗(含实习)最走心的总结

  • 用通俗易懂的方式讲解:大模型微调方法汇总

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/792467.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

清明时节雨纷纷,AI达人用Bedrock(第一季)

今天是清明小长假第一天,没有外出踏青,在家体验Amazon Bedrock的强大能力。Amazon Bedrock是专门为创新者量身打造的平台,它提供了构建生成式人工智能应用程序所需的一切。 这次我主要尝试的是通过 Amazon Bedrock 里的 Stability AI SDXL 1…

C++理解std::move和转发(std::forward)

理解 std::move 标准库move函数是使用右值引用的模板的一个很好的例子。 幸运的是,我们不必理解move所使用的模板机制也可以直接使用它。 但是,研究move是如何工作的可以帮助我们巩固对模板的理解和使用。 我们注意到,虽然不能直接将一个…

提升工作效率:B端工作台设计基础详解

随着互联网和信息技术的快速发展,越来越多的企业开始以数字化、智能化的方式管理和运营自己的业务。B端工作台设计作为企业应用的重要组成部分,越来越受到重视。本文将从三个方面对B端工作台设计进行全面分析。让我们看看。 1. B端工作台设计原则 B端工…

攻防世界 wife_wife

在这个 JavaScript 示例中,有两个对象:baseUser 和 user。 baseUser 对象定义如下: baseUser { a: 1 } 这个对象有一个属性 a,其值为 1,没有显式指定原型对象,因此它将默认继承 Object.prototype。 …

不堪大用的pow

【题目描述】 输出100~999中的所有水仙花数。若3位数ABC满足,则称其为水仙花 数。例如,所以153是水仙花数。 【题目来源】 刘汝佳《算法竞赛入门经典 第2版》习题2-1 水仙花数(daffodil) 题目很简单,…

AI大模型在未来如何与体育运动结合

AI大模型与体育运动的结合预示着未来体育领域将迎来革命性的变化。这种结合不仅能提升运动员的训练和比赛表现,还能改善观众的观赛体验,优化体育管理和运营。以下是几个预期中AI大模型将如何与体育运动结合的方向: 1. 运动员表现分析与提升 …

配置vite配置文件更改项目端口、使用@别名

一、配置vite配置文件更改项目端口 vite官方文档地址:开发服务器选项 | Vite 官方中文文档 (vitejs.dev) 使用: 二、使用别名 1. 安装 types/node types/node 包允许您在TypeScript项目中使用Node.js的核心模块和API,并提供了对它们的类型…

C语言经典例题(17) --- 最小公倍数、单词倒置、你是天才吗?、完美成绩、判断整数的奇偶性

1.最小公倍数 正整数A和正整数B的最小公倍数是指能被A和B整除的最小的正整数,设计一个算法,求输入A和B的最小公倍数。 输入描述:输入两个正整数A和B。 输出描述:输出A和B的最小公倍数。 输入:5 7 输出&#xff1a…

4. python练习题4-水仙花数

4. python练习题4-水仙花数 【目录】 文章目录 4. python练习题4-水仙花数1. 目标任务2. 水仙花数的特点3. 如何判断一个数是否是水仙花数?4. 打印3位水仙花数5. 判断一个数是不是水仙花数6. 列表推导式6. 列表推导式判断一个数是不是水仙花数 【正文】 1. 目标任务…

picGo图床搭建gitee和smms(建议使用)

picGoGitee 这个需要下载gitee插件, 因为官方频繁的检索文件类型, 有时候也会失效 如果没有特殊要求平时存个学习的要看图中文字的重要的图片建议就是smms, 免费也够用! 图片存本地不方便, 各种APP中来回传还会失帧损失画质, 所以你值得往下看 picGosmms 建议使用这个, sm…

代码随想录-算法训练营day01【二分查找、移除元素、插入元素】

专栏笔记:https://blog.csdn.net/weixin_44949135/category_10335122.html 第一章 数组part01今日任务 数组理论基础,704. 二分查找,27. 移除元素 详细布置数组理论基础 文章链接:https://programmercarl.com/%E6%95%B0%E7%BB%…

递归与树的深度优先搜索:探索它们之间的关系

文章目录 递归与树的深度优先搜索:探索它们之间的关系递归的基本概念树的深度优先搜索递归与树的深度优先搜索的关系反转链表合并两个有序链表 总结 递归与树的深度优先搜索:探索它们之间的关系 递归是一种强大而优雅的编程技术,它允许我们通过将问题分…

每日面经分享(python part1)

Python中的深拷贝和浅拷贝的区别是什么? a. 浅拷贝创建一个新的对象,但其中的可变元素仍然共享引用。只有对象的第一层被复制,而更深层次的嵌套对象仍然是引用。更改其中一个对象的属性会影响到其他对象。 b. 深拷贝创建一个完全独立的新对象…

docker部署nacos,单例模式(standalone),使用内置的derby数据库,简易安装

文章目录 前言安装创建文件夹docker指令安装docker指令安装-瘦身版 制作docker-compose.yaml文件查看页面 前言 nacos作为主流的服务发现中心和配置中心,广泛应用于springcloud框架中,现在就让我们一起简易的部署一个单例模式的nacos,版本可…

【Linux】详解动态库链接和加载对可执行程序底层的理解

一、动静态库链接的几种情况 如果我们同时提供动态库和静态库,gcc默认使用的是动态库。如果我们非要使用静态库,要加-static选项。如果我们只提供静态库,那可执行程序没办法,只能对该库进行静态链接,但程序不一定整体…

python和pip中常见命令和方法

玩python的同学想必没有不用pip的吧,pip是python包管理工具,和Nodejs的npm、Java的maven类似,这些依靠开源力量建立起的庞大软件库极大提高了开发的效率,下面是整理和总结pip中的常见命令和方法。 pip更新版本 python -m pip inst…

【架构二】胖瘦客户端

瘦客户端和胖客户端是指在客户端-服务端架构中,客户端所承担的功能和责任不同。瘦客户端是指在客户端设备上,主要负责显示用户界面和处理用户输入,而大部分的应用逻辑和数据处理都在服务端完成。瘦客户端通常只需要较少的计算能力和存储资源&…

利用Spark将Kafka数据流写入HDFS

利用Spark将Kafka数据流写入HDFS 在当今的大数据时代,实时数据处理和分析变得越来越重要。Apache Kafka作为一个分布式流处理平台,已经成为处理实时数据的事实标准。而Apache Spark则是一个强大的大数据处理框架,它提供了对数据进行复杂处理…

Echarts 自适应宽高,或指定宽高进行自适应

文章目录 需求分析 需求 有一个按钮实现对Echarts的指定缩放与拉长&#xff0c;形成自适应效果 拉长后效果图 该块元素缩短后效果图 分析 因为我习惯使用 ref 来获取组件的 DOM 元素&#xff0c;然后进行挂载 <div ref"echartsRef" id"myDiv" :sty…

OCR常用识别算法综述

参考&#xff1a;https://aistudio.baidu.com/education/lessonvideo/3279888 语种&#xff1a;常用字符36与常用汉字6623&#xff0c;区别。 标注&#xff1a;文本型位置/单字符位置&#xff0c;后者标注成本大 挑战&#xff1a;场景文字识别&#xff1a;字符大小、颜色、字体…