欧美1区2区3区激情无套,两个女人互添下身视频在线观看,久久av无码精品人妻系列,久久精品噜噜噜成人,末发育娇小性色xxxx

大模型 0實習經驗暑期實習投遞記錄

個人背景:

雙9,0對口實習+0對口論文,2月中下旬投完小論文后,由于自己本身沒有太多大模型的經驗,一直在糾結是做傳統(tǒng)NLP/搜廣推/大模型,甚至是開發(fā)。在糾結思考了很久,綜合???xhs各路dl的建議后,決定全力梭哈大模型。

準備過程

2月中下旬開始準備大模型八股+刷力扣,目前力扣300題左右,八股找了一些大模型資料看了一遍之后,3月中下旬開始大規(guī)模海投。

投遞記錄

  1. OPPO:大模型算法崗,3.7投遞,一直在初篩階段;
  2. 蔚來:大模型應用研究崗, 3.9投遞,一面 + 二面后OC已拒;
  3. 騰訊音樂:技術研究—自然語言處理(TME沒有專門的大模型崗),3月初投遞,一面 + 二面 + 三面 + HR面, OC;
  4. 美團:大模型應用算法, 核心本地商業(yè),3.17 投遞,三個志愿全部簡歷掛,非常奇怪;
  5. Shoppee: AI算法, 3.18投遞,筆試A2.8/3題后不明原因秒掛;
  6. 京東:算法工程師—自然語言處理,3.18投遞后一直在簡歷初篩階段;
  7. 淘天:大模型應用算法,3.18投遞,1面極致拷打+二面愉快聊天后,本以為穩(wěn)了,最后還是掛了,看來一面的表現(xiàn)也很重要;后續(xù)二志愿約面主動放棄。
  8. 美的:大語言模型,3.18投遞,筆試+放棄AI面試;
  9. 騰訊:應用研究—自然語言處理,3.19投遞,WXG部門, 一面秒過 + 二面秒掛,應該是整個周期強度最大的一次面試;后續(xù)CSIG撈一面,一面過后放棄;
  10. 嗶哩嗶哩:大語言模型,3.19投遞,一直在初篩階段;
  11. 快手:大模型應用,3.19投遞,簡歷掛;
  12. 餓了么:大語言模型,3.19投遞,筆試A1.8/3,三個志愿全部簡歷掛;
  13. 米哈游:NLP算法,3.21投遞,簡歷掛;
  14. 聯(lián)影:大模型算法,3.22投遞,一面OC已拒;
  15. 阿里云:大語言模型,3.22投遞,卡在面試安排階段
  16. 阿里國際:大語言模型,3.24投遞,一面主動放棄
  17. 釘釘:大模型應用,3.24投遞,卡在評估階段;
  18. 盒馬:大語言模型,3.24投遞,筆試A2.3/3,卡在面試安排階段;
  19. 通義:大模型,3.24投遞,卡在初篩階段;
  20. 字節(jié):廣告算法日常實習,3.25投遞,一面+二面+三面+HR面后主動結束流程;
  21. 百度:大語言模型,3.28投遞,三個志愿全部簡歷掛;
  22. 螞蟻,大模型,3月投遞,一面+二面+HR面,OC;
  23. 阿里巴巴:大語言模型,4.13投遞,達摩院一面;

總的來說,除了AI六小龍+獨角獸公司,其他的大廠能投的都投了,簡歷掛的不在少數,尤其是一些二線大廠,貌似bar特別高。

后面應該不會繼續(xù)投了,結束掉一些沒有約面的流程,在螞蟻TME中選了。

總的來說,大模型暑期實習的bar和去年相比差不太多,不會特別卡論文和實習經歷。

有關面經

總體約面的不太多,也就十來場,后續(xù)拿到offer后會慢慢更新詳細面經的 四月中旬看來又是一個約面小高峰,螞蟻已經要入職了來了一堆約面...

4.17更新

字節(jié)廣告算法(日常)三面過,HR面主動結束流程,夢廠秋招再戰(zhàn)!

騰訊被CSIG撈了,一面過后主動結束流程,秋招再戰(zhàn)。

達摩院二面;

我是螞蟻孝子。

有關offer選擇

目前拿到的offer有兩個在考慮范圍內:

  1. 螞蟻集團,大模型崗,base上海
  2. 騰訊音樂娛樂集團,Q音,技術研究-自然語言處理,base深圳

求問各路大佬,不考慮轉正率,只考慮大模型崗的實習經歷在秋招階段的競爭力的話,哪個offer更好呢?

目前個人考慮如下 :

  1. TME, 業(yè)務聽起來似乎很有趣?氛圍風評比較好,wlb,有種說法是在大騰訊里僅次于WXG和IEG,但畢竟是獨立的公司,實習含金量不能和騰訊等同?
  2. 螞蟻,業(yè)務更硬核,感覺能學到不少東西,和學校也在同一個城市。

如果是你,你會如何選擇呢?各位大佬在評論區(qū)說說自己看法吧

#大語言模型##大模型##offer比較##投票##騰訊音樂26屆實習#
全部評論
在薪資待遇相同的情況下選offer策略,公司知名度>項目含金量>項目承擔角色
2 回復 分享
發(fā)布于 04-14 21:14 廣東
佬,你簡歷上都寫什么項目呢
1 回復 分享
發(fā)布于 04-17 15:16 湖北
佬,蹲蹲淘天的面經
點贊 回復 分享
發(fā)布于 04-26 12:17 馬來西亞
大佬 請問rag的項目是自己做的嗎?在哪里找的項目?
點贊 回復 分享
發(fā)布于 04-24 03:40 廣東
大佬,求面經,太強了
點贊 回復 分享
發(fā)布于 04-16 14:17 山東
佬太強了,求面經
點贊 回復 分享
發(fā)布于 04-15 23:18 天津

相關推薦

結合最近輔助修改的簡歷及項目,老師總結了部分大模型微調簡歷的踩雷點。???♂?錯誤示范:在 x任務中,獲取 xxx 條數據,通過規(guī)則 or 腳本清洗出 x 條數據,然后微調 y 大模型,在業(yè)務上提升 x 個點。???原因:大模型微調的平臺是現(xiàn)成的,基模是現(xiàn)成的,體現(xiàn)不出核心能力。?應該怎么寫?首先介紹業(yè)務背景:業(yè)務是一個銷售對話業(yè)務,機器人是銷售,代替真人,直接面對用戶。我們會給模型設定任務,任務是 prompt 。步驟1??.提取訓練數據問題:1.真人通話每通電話任務是未知的,我們訓練數據是任務+通話的 pair 對。2.真人通話很亂,與客戶的對話是各種交叉的,導致 asr 后并不是一人一輪。解決方案:1.首先通過大模型 prompt 對該通電話提取任務,得到任務+ pair 對。需要用到 cot + reflection +多 Ilm 一致性+ debating 的模式。2.使用大模型根據以上任務和真人對話,讓大模型編寫出通話內容。提問,為什么要編寫而不是直接用?步驟2??.制定訓練數據集問題:1、正常的對話內容,前面幾句和后面幾句基本上一致的。都是問候和拜拜,但是也有一些差異。2、因為都是相似場景,雖然任務不同,但是很多場景語義很相似。解決方案:1、基于輪次的權重采樣:通過輪次設定權重進行 weighting sample 。解決問候和拜拜的高占比問題。2、基于語義的采樣:使用 bert 對對話內容進行 embedding ,然后使用層次聚類通過調節(jié)閾值聚類出相似語義的類。對一個類里的樣本進行隨機采樣,提問,為什么要對重復語義的數據進行下采樣?3、基于客戶類型和產品的采樣,因為很多產品是熱品,導致對話內容有偏,用戶類型一樣,需按照類型調整整體比例采樣。提問,為什么要這么采樣?步驟3??.制定訓練數據集我們直接把輸出當作 target 進行訓練。使用的 lora 訓練,但是 lora alpha 設定成為4倍的時候達到了比較好的效果,經驗值不同任務不一樣,提問,在各種情況下要怎么調?步驟4??.dpo訓練問題:v1版本訓練時,很多輸出內容是對的,但是輸出的語氣不太像真人,機器人味還是很嚴重。解決方案:由于訓練本身是有 ground truth 的,因此使用v1訓練的模型,預測訓練集,使用大模型對比兩者語氣不符合訓練集的拿出來,使用訓練集的 ground truth 和模型的預測數據作為 dpo 訓練對,對v1版本模型重新訓練。??這里老師只是簡要進行概括解答,具體情況和詳細解答可以咨詢輔導,如果想了解項目輔導,提升面試能力,歡迎后臺聯(lián)系。#算法# #簡歷中的項目經歷要怎么寫# #算法崗面試# #互聯(lián)網大廠招聘#
點贊 評論 收藏
分享
timeline:攜程        3.27筆試螞蟻        3.27筆試oppo       3.27筆試美團        3.27筆試盒馬        3.27筆試淘天        4.2筆試騰訊音樂  4.3一面      4.7二面 掛高德        4.3一面 掛  4.21撈面      4.22筆試      4.23 二面 已意向騰訊        4.7一面      4.17筆試阿里國際  4.7 筆試     4.14一面      4.18 二面 掛  4.25 撈面 字節(jié)        4.8一面 掛  4.10撈面 掛京東        4.9一面 掛 PDD        4.9 筆試小米        4.15一面 掛 4.23 撈面智能信息  4.16 筆試    4.21 一面     4.25 二面掛美團        4.18 面試 餓了么     4.21 一面    4.25 二面    4.28 hr面華為        4.23筆試    4.30約面雙非碩,3月準備了 一個推薦的項目(funrec),刷了Hot100, 三月底開投,前后投了近50家。建議大家早做準備,海投,剛開始可能會沒信心,但越面會越好,相信自己#??虯I配圖神器#
點贊 評論 收藏
分享
評論
16
44
分享

創(chuàng)作者周榜

更多
??途W
??推髽I(yè)服務