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

都是算法崗滴滴秋儲(chǔ)實(shí)習(xí)：agent?微調(diào)智譜日常實(shí)習(xí)：造數(shù)據(jù)?agent百度日常實(shí)習(xí)：research，nlp算法，強(qiáng)化學(xué)習(xí)，有很多卡現(xiàn)在大三，只有滴滴是準(zhǔn)備轉(zhuǎn)正的實(shí)習(xí)，剩下兩個(gè)都是日常。目前比較傾向于百度，做的方向是最喜歡的，待遇也是里面最高的。不知道放棄秋儲(chǔ)值不值得，感覺(jué)剩下一年半可以再做做其他有趣的實(shí)習(xí)。#牛客AI配圖神器#

1. 自我介紹2. 過(guò)一下你覺(jué)得最好的項(xiàng)目/實(shí)習(xí)。說(shuō)了一個(gè)教程類開(kāi)源項(xiàng)目，其中包括部署、LoRA微調(diào)等內(nèi)容。又說(shuō)了了另一個(gè)在學(xué)校做的項(xiàng)目，問(wèn)的很細(xì)，包括我們使用Function Call做檢索的流程、用langchain如何實(shí)現(xiàn)的，內(nèi)部原理是什么。3. 下一個(gè)項(xiàng)目BERT相關(guān)的，問(wèn)了問(wèn)Transformer的原理結(jié)構(gòu)，他的優(yōu)點(diǎn)是什么，我講的是他是不限制距離計(jì)算，有效遏制了經(jīng)典RNN模型的長(zhǎng)序列遺忘問(wèn)題。問(wèn)了問(wèn)BERT的原理，幸好看過(guò)原論文，簡(jiǎn)單說(shuō)了下。4. 下一個(gè)項(xiàng)目是做的Qwen SFT，訓(xùn)練數(shù)據(jù)如何生成的，多少數(shù)據(jù)，訓(xùn)練的參數(shù)，訓(xùn)了多久。5. 問(wèn)了強(qiáng)化學(xué)習(xí)deepseek，我答了GRPO和PPO，問(wèn)了DPO我沒(méi)看過(guò)。6. medium題

勇敢牛牛，不怕困難！

有uu收到了嗎，周四一面后十多分鐘后二面，二面是騰訊會(huì)議面的，還沒(méi)收到HR消息是不是涼涼了，頁(yè)面還顯示面試考察中#牛客AI配圖神器#

py后端崗

今天面的是一個(gè)做大模型應(yīng)用（Agent）的初創(chuàng)公司，崗位是大模型算法工程師，聊了有50分鐘左右。1. 自我介紹2. 項(xiàng)目介紹3. Transformer、Bert、GPT的結(jié)構(gòu)（這個(gè)地方我說(shuō)錯(cuò)了，說(shuō)成了殘差連接是直接跨過(guò)transformer塊的，其實(shí)是在塊內(nèi)有兩個(gè)殘差連接）4. 下一步應(yīng)該如何改進(jìn)（之前有一個(gè)做量化的公司也問(wèn)過(guò)這個(gè)問(wèn)題）5. 如何看待現(xiàn)在的大模型應(yīng)用6. 介紹Prompt方法面完感覺(jué)自己整體表現(xiàn)還湊合，不過(guò)還有沒(méi)說(shuō)出來(lái)的東西，再接再厲。最后還給安排了一個(gè)任務(wù)，等過(guò)幾天有空了做一下。#軟件開(kāi)發(fā)2024筆面經(jīng)##面經(jīng)##深度學(xué)習(xí)#

昨天進(jìn)行的二面，剛抽出時(shí)間記錄一下。另一位面試官進(jìn)行的二面，又介紹了一遍之前RAG的項(xiàng)目經(jīng)歷。1.用的什么接口2.如何做的RAG3.原始數(shù)據(jù)形式，如何處理的4.數(shù)據(jù)規(guī)模，每個(gè)文檔大小5.用的什么embedding模型6.如何做分塊7.召回結(jié)果的量化評(píng)測(cè)（幾乎每次都問(wèn)了這個(gè)）8.如何爬的數(shù)據(jù)9.什么專業(yè)的——計(jì)算機(jī)10.如果瀏覽器訪問(wèn)一個(gè)baidu.com，都會(huì)經(jīng)歷哪些過(guò)程11.了解最新的大模型，用過(guò)哪些12.大模型的論文，問(wèn)Bert和GPT#軟件開(kāi)發(fā)2024筆面經(jīng)##面經(jīng)#

這家公司是做AIGC的，主要是做Diffusion相關(guān)。在我看來(lái)還是非常高大上的，就是抱著試一試的心態(tài)去面，過(guò)的概率感覺(jué)不大。面試是兩位面試官，上來(lái)先是我的自我介紹（奇怪，上午那個(gè)居然沒(méi)讓我自我介紹）。這次面試還是圍繞著簡(jiǎn)歷進(jìn)行的提問(wèn)。第一個(gè)項(xiàng)目：是RAG相關(guān)的，問(wèn)了具體的項(xiàng)目經(jīng)歷，其中問(wèn)了存儲(chǔ)的數(shù)據(jù)形式，以及調(diào)用數(shù)據(jù)庫(kù)的觸發(fā)條件。今天的兩個(gè)面試都問(wèn)了數(shù)據(jù)檢索能力，因?yàn)橹霸陂_(kāi)發(fā)的時(shí)候確實(shí)沒(méi)有定量地測(cè)試過(guò)準(zhǔn)確度，只是看使用者反饋過(guò)來(lái)的效果（因?yàn)檎J(rèn)識(shí)不多，可能就兩位數(shù)）。問(wèn)了數(shù)據(jù)是否是QA的形式，答：直接把文檔embedding后傳上去的。此外，還問(wèn)了一些關(guān)于Agent、Prompt相關(guān)問(wèn)題。還問(wèn)了個(gè)COT第二個(gè)項(xiàng)目：用到了CNN和Bert。問(wèn)了Bert和GPT以及兩者區(qū)別，我就答了個(gè)encoder only和decoder only，感覺(jué)沒(méi)答到點(diǎn)上。后面查了一下，應(yīng)該是回答B(yǎng)ert是雙向編碼模型，用了一個(gè)MLM，GPT是聲稱是模型，將后面的詞Mask掉，他的注意力矩陣是一個(gè)三角陣。再貼一個(gè)應(yīng)用場(chǎng)景：GPT：文本生成、對(duì)話系統(tǒng)、自動(dòng)寫作（我答的是對(duì)于生成任務(wù)來(lái)說(shuō)比較好）；BERT：文本分類、命名實(shí)體識(shí)別、問(wèn)答系統(tǒng)、句子對(duì)匹配（我答的是做下游的NLP應(yīng)用比較好，實(shí)質(zhì)上是做的針對(duì)于上下文進(jìn)行一個(gè)embedding。這答得感覺(jué)寄了）他們公司是做Diffusion的，這一波下來(lái)感覺(jué)我的經(jīng)歷切合度不很低，應(yīng)該寄了。#軟件開(kāi)發(fā)2024筆面經(jīng)##面經(jīng)#

今天面了個(gè)做法律大模型的初創(chuàng)公司，崗位職責(zé)是做一些爬蟲、數(shù)據(jù)清洗之類的作為L(zhǎng)LM訓(xùn)練用。面試問(wèn)的很細(xì)，簡(jiǎn)歷寫的經(jīng)歷基本問(wèn)到底。問(wèn)了XGB、向量數(shù)據(jù)庫(kù)、爬蟲、切片（問(wèn)了用了哪些參數(shù)）、可控文本生成等，基本上項(xiàng)目相關(guān)的全都問(wèn)到了。其中項(xiàng)目中有一個(gè)解析LLM生成的Json說(shuō)用了正則，還順便考了幾個(gè)正則問(wèn)題。感覺(jué)我說(shuō)的不清楚，漲了個(gè)教訓(xùn)?；貋?lái)有時(shí)間把每個(gè)項(xiàng)目經(jīng)歷自己再敘述一遍，整理整理語(yǔ)言。#面經(jīng)###軟件開(kāi)發(fā)2024筆面經(jīng)#

投了一兩周簡(jiǎn)歷石沉大海，今天突然來(lái)了兩個(gè)面試，可惜人在外面????

數(shù)值計(jì)算方法的考綱里沒(méi)有樣條插值，所以只學(xué)了拉格朗日插值和牛頓插值，最近新出的KAN就用了B樣條插值。忽然意識(shí)到，只為了應(yīng)付考試而讀書才是大學(xué)生悲哀中的悲哀