↓推荐关注↓
最近这一两周看到不少互联网公司都已经开始春招提前批了。
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。
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。
*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
今天分享我们一成员面试美团大模型面经:
一面
-
文档大模型是一个独立的模型,会整合到一个大模型还是分离式的
-
目前用的多大的模型
-
是一个什么结构,对结构的一些了解 flamingo或者blip2的结构上的对比
-
足够资源的情况下,哪个结构是最优的
-
分辨率是如何解决的,文档的分辨率比较高
-
QA对匮乏如何解决的
-
ocr的性能目前是低于多模态大模型
-
如何解决bbox感知力差的问题
-
充足的算力,数据如何获取,如何有效的清洗
-
fuyu这种结构有什么优化的空间
-
简单介绍下Transformer
-
大概讲一下Transformer的Encoder模块?
-
为什么transformer块使用LayerNorm而不是BatchNorm?
-
Transformer为何使用多头注意力机制?
算法题:手写multi-head attention;寻找两个正序数组的中位数 (LeetCode 4);只出现一次的数字 III (LeetCode 260)
二面
-
请描述BERT的微调过程及其重要性
-
解释什么是自注意力机制,以及它在BERT模型中的作用。
-
BERT与其它预训练模型(如GPT)有什么不同?
-
如何评估BERT模型在特定NLP任务上的性能?
-
如何解决BERT训练中的过拟合问题?
-
OCR文档大模型
-
Instruction tuning的决定性因素,哪些Instruction tuning策略效果更好,如何评估复杂度的性能
-
如何保证数据集的多样性和复杂度
-
分层的Instruction tuning数量的影响,数量和质量
-
不同类型数据的影响,对下游任务的影响,自动化的数据配比,自动化的指标去做类似的事情
-
专门优化的指标不再是一个好的指标
-
使用其他的指标来引导模型的优化,而不是使用下游的指标,LLM使用的loss,作为指标,而不是benchmark的分数
-
合理的评估指标是什么,openAI的压缩理论,training loss代表优化目标
-
AGI的几个阶段,deepmind发表
算法题:根据字符出现频率排序 (LeetCode 451); 只出现一次的数字 (LeetCode 136)
(完)
## AI大模型学习福利
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取
2025最新版优快云大礼包:《AGI大模型学习资源包》免费分享
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取
2025最新版优快云大礼包:《AGI大模型学习资源包》免费分享
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取
2025最新版优快云大礼包:《AGI大模型学习资源包》免费分享
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取
2025最新版优快云大礼包:《AGI大模型学习资源包》免费分享
四、AI大模型商业化落地方案
因篇幅有限,仅展示部分资料,需要点击下方链接即可前往获取
2025最新版优快云大礼包:《AGI大模型学习资源包》免费分享
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。