結(jié)合最近輔助修改的簡(jiǎn)歷及項(xiàng)目，老師總結(jié)了部分大模型微調(diào)簡(jiǎn)歷的踩雷點(diǎn)。???♂?錯(cuò)誤示范：在 x任務(wù)中，獲取 xxx 條數(shù)據(jù)，通過規(guī)則 or 腳本清洗出 x 條數(shù)據(jù)，然后微調(diào) y 大模型，在業(yè)務(wù)上提升 x 個(gè)點(diǎn)。???原因:大模型微調(diào)的平臺(tái)是現(xiàn)成的，基模是現(xiàn)成的，體現(xiàn)不出核心能力。?應(yīng)該怎么寫？首先介紹業(yè)務(wù)背景：業(yè)務(wù)是一個(gè)銷售對(duì)話業(yè)務(wù)，機(jī)器人是銷售，代替真人，直接面對(duì)用戶。我們會(huì)給模型設(shè)定任務(wù)，任務(wù)是 prompt 。步驟1??．提取訓(xùn)練數(shù)據(jù)問題：1.真人通話每通電話任務(wù)是未知的，我們訓(xùn)練數(shù)據(jù)是任務(wù)＋通話的 pair 對(duì)。2.真人通話很亂，與客戶的對(duì)話是各種交叉的，導(dǎo)致 asr 后并不是一人一輪。解決方案：1.首先通過大模型 prompt 對(duì)該通電話提取任務(wù)，得到任務(wù)＋ pair 對(duì)。需要用到 cot + reflection ＋多 Ilm 一致性+ debating 的模式。2.使用大模型根據(jù)以上任務(wù)和真人對(duì)話，讓大模型編寫出通話內(nèi)容。提問，為什么要編寫而不是直接用？步驟2??．制定訓(xùn)練數(shù)據(jù)集問題：1、正常的對(duì)話內(nèi)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?yàn)槎际窍嗨茍?chǎng)景，雖然任務(wù)不同，但是很多場(chǎng)景語義很相似。解決方案：1、基于輪次的權(quán)重采樣：通過輪次設(shè)定權(quán)重進(jìn)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(duì)對(duì)話內(nèi)容進(jìn)行 embedding ，然后使用層次聚類通過調(diào)節(jié)閾值聚類出相似語義的類。對(duì)一個(gè)類里的樣本進(jìn)行隨機(jī)采樣，提問，為什么要對(duì)重復(fù)語義的數(shù)據(jù)進(jìn)行下采樣？3、基于客戶類型和產(chǎn)品的采樣，因?yàn)楹芏喈a(chǎn)品是熱品，導(dǎo)致對(duì)話內(nèi)容有偏，用戶類型一樣，需按照類型調(diào)整整體比例采樣。提問，為什么要這么采樣？步驟3??．制定訓(xùn)練數(shù)據(jù)集我們直接把輸出當(dāng)作 target 進(jìn)行訓(xùn)練。使用的 lora 訓(xùn)練，但是 lora alpha 設(shè)定成為4倍的時(shí)候達(dá)到了比較好的效果，經(jīng)驗(yàn)值不同任務(wù)不一樣，提問，在各種情況下要怎么調(diào)？步驟4??.dpo訓(xùn)練問題：v1版本訓(xùn)練時(shí)，很多輸出內(nèi)容是對(duì)的，但是輸出的語氣不太像真人，機(jī)器人味還是很嚴(yán)重。解決方案：由于訓(xùn)練本身是有 ground truth 的，因此使用v1訓(xùn)練的模型，預(yù)測(cè)訓(xùn)練集，使用大模型對(duì)比兩者語氣不符合訓(xùn)練集的拿出來，使用訓(xùn)練集的 ground truth 和模型的預(yù)測(cè)數(shù)據(jù)作為 dpo 訓(xùn)練對(duì)，對(duì)v1版本模型重新訓(xùn)練。??這里老師只是簡(jiǎn)要進(jìn)行概括解答，具體情況和詳細(xì)解答可以咨詢輔導(dǎo)，如果想了解項(xiàng)目輔導(dǎo)，提升面試能力，歡迎后臺(tái)聯(lián)系。#算法# #簡(jiǎn)歷中的項(xiàng)目經(jīng)歷要怎么寫# #算法崗面試# #互聯(lián)網(wǎng)大廠招聘#

字節(jié)喜歡技術(shù)型人才，會(huì)就著你的項(xiàng)目挖“how”挖得很深，會(huì)問技術(shù)實(shí)現(xiàn)細(xì)節(jié)，你要做好你的一個(gè)回答被下鉆 5-8層的心理準(zhǔn)備。最近非常重視Al，如果你調(diào)過 prompt、搭過 agent，請(qǐng)你主動(dòng)表述，大加分!喜歡能推動(dòng)事兒，或者說能釋放壓迫感的人。這點(diǎn)在面試中很容易被觀察到，不需要笑，直視對(duì)方，簡(jiǎn)單直接闡述觀點(diǎn)。不會(huì)的問題也冷靜，直接說需要思考就行。

一面:4-24自我介紹簡(jiǎn)歷項(xiàng)目講解（問了八股，lora，和adapter的區(qū)別）手撕子序列之和小于等于target的數(shù)目25號(hào)約二面二面:4-27自我介紹和簡(jiǎn)歷問答，無八股手撕島嶼29號(hào)約hr面hr面:4-294-30:節(jié)前最后一天offer，團(tuán)子效率真的高，愛了

4.21 投簡(jiǎn)歷4.23 約后天一面4.25 一面無手撕，上來先拷打論文，其中有個(gè)地方用了rag，面試官問我這里是怎么把文本轉(zhuǎn)換成向量?jī)?chǔ)存的。(我以為是問我工程上的實(shí)現(xiàn)，這是去年做的一個(gè)小模塊，回憶了半天細(xì)節(jié)，答得支支吾吾，面完了之后結(jié)合下一個(gè)問我才意識(shí)到其實(shí)是問我embedding過程)看我支支吾吾就直接問transformer是怎么把token處理成向量的。transformer的self-attention和cross self-attention區(qū)別在哪里。pre-norm和post-norm的區(qū)別？進(jìn)一步，為什么現(xiàn)在主流大模型都用post-norm。lora的實(shí)現(xiàn)過程。大模型用的Lo...