国内20家公司大模型岗位面经大汇总

【面试】AI算法工程师---面试题!(第二部分:AI部分) 深度学习 阅读详情
面试情况

投过的公司:淘天,字节,蚂蚁,商汤,美团,夸克,腾讯,minimax,零一万物,阿里控股,潞晨科技,阿里巴巴国际,网易实验室,Momenta。

Offer:淘天,字节AML,商汤,蚂蚁,美团,夸克,腾讯混元,天翼云。

以下是面经分享

淘天【offer】

部门:未来生活实验室

介绍: 淘天集团的大模型研究将主要围绕两个场景展开:一是搜广推,二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。

面经

一面:

  • • 如何训练ocr任务

  • • 实验的setting

  • • ocr任务影响如何

  • • 高分辨率训练,再在小分辨率上,会不会崩掉

  • • 输出bbox有没有好的方式

HR面:

  • • 基本信息确认

  • • 考研进入电子科技大,为什么

  • • 为什么进入了诺亚

  • • 代表性的工作

  • • 如何解决问题的,国内在做语言大模型的多一些。

  • • 国内在做多模态大模型的

  • • 如何评测,评估这些大模型的。如何看待刷榜的问题。

  • • 你们的衡量指标

面试体验

面试体验很好。HR也没有那么咄咄逼人。阿里味不是特别明显。最终权衡也选择来了淘天,有兴趣来我们这边的欢迎投递简历,有卡(张)。

字节AML【offer】

部门:AML火山方舟大模型

介绍: 淘天集团的大模型研究将主要围绕两个场景展开:一是搜广推,二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。介绍链接。

预备面经

猎头也提供了一些其他候选人的面经, 整理如下:

  • • 设计一个Hash表

  • • 蓄水池问题

  • • 从超大文本文件中随机行采样

  • • 二叉搜索树-去掉超出[m, n]范围内的节点

  • • 计算交叉熵

  • • 计算IOU

一面:

  • • 多模态你们的流程

  • • 你们的OCR的结构

  • • layernorm的区别

二面:

  • • 什么时间开始做多模态模型

  • • 目前在文档

  • • Token长度太大。高分辨率如何解决。

  • • patch能不能变得

  • • VQGAN

  • • GPT4V的结构形式。

  • • LLM decoder

  • • MagViT

  • • LLM的基础知识需要尽快补上

三面:

  • • 自我介绍

  • • 多模态大模型用哪个模型

  • • Transformer比较熟悉

  • • python实现self attention和Transformer

面试体验

字节一如既往的注重coding,基本每一面两道题,自己能拿到offer也算是运气吧。一面的面试体验很差,可以说是毫无面试经验的面试官。

商汤【offer】:

一面:

  • • 简单的自我介绍

  • • 关于高分辨率的解决办法

  • • OCR是如何去做的,有没有grounding,Referring

  • • GPT4V 位置,检测明显的问题

  • • 你们是如何解决位置信息的

  • • 新的模态进来,如何去拼接过来

  • • 新来一批数据,如何训练

  • • tree1是否是tree2的子树

二面:

  • • AGI缺不了视觉

  • • 工业场景,人的检测,奇怪的零件,机器的检测。检测的结果,需要理解人的行为。理解和context的关系。人和环境的关系。借助多模态来解决

  • • 自驾,感知端,到决策端,感知不需要全面的感知,着重额感知需要

  • • 假新闻,图是真的。caption场景

  • • OCR,街景的OCR,文档,网页截图等是不同的,这些场景混在一起。会有影响吗?

  • • OCR的方案,一般是先出检测框,再出文本。不规则的文本,如何解决

  • • 多模态大模型的OCR

  • • Qwen-VL的文本检测形似,是否合理

  • • 模型本身的三种能力

  • • 自己的能力,认识什么

  • • LISA:借助decoder来做,用新的prompt来实现分割。】

  • • 外挂RAG等。

  • • 判断左右括号(),等组成的字符串是否是合法的

二面结束,问题不大。

三面:

  • • Leader面,聊了一些有的没的
面试体验

面试过程很专业,毕竟是商汤,算法技术是国内领先的,奈何没产品,而且薪资包也没有诚意。

蚂蚁风控大模型【offer】

一面:

  • • 自我介绍

  • • 介绍Focus-DETR,有没有在业务中应用。

二面:

  • • 介绍

  • • 目前在做的事情

  • • 下游的任务,文档场景,再做一个什么任务

  • • ocr数据是如何生成的

  • • 效果如何

  • • 如何解决幻觉的问题

HR面:

  • • 具体的工作内容,印象

  • • 安全内容,tob的内容审核。竞对。

  • • 个人介绍。

  • • 上海海思,为什么跳槽

  • • 算法支撑

MiniMax:【挂】

一面:

  • • 空间感知能力是如何解决的

  • • 不同token长度是否有做balance的方式

  • • 很多有价值的问题。

  • • python实现标题 MLP Regressor 题目描述 题目描述与要求:实现一个MLP regressor 的完整训练过程,包括:forward , backward , SGD更新参数;验证backward梯度正确性;构建数据,验证端到端正确性 (收敛&泛化);(optional) 参考你过往的实验经验,尽可能让功能更完善;不使用第三方库中已实现好的自动求导方法;P.S. 实现方法不限,但由于在线IDE运行环境不稳定,推荐使用numpy。

PS: 面试官对算法底层了解比较深入,比较考验代码能力,不是字节那种。

零一万物【挂】

一面:

  • • 多模态的情况。

  • • document的难度。

  • • 手写 self attention

二面:

  • • 自我介绍

  • • 传统的OCR模型和多模态大模型的区别

  • • 带不带OCR,多模态文档智能差多少。

  • • 未来OCR模型是否会被大模型吃掉。OCR大模型有什么是做不了的。

  • • 在哪些模型上做过一些预训练。

  • • 多模态未来怎么做。

  • • EVA的有趣的现象。没有出现涌现的现象。

  • • 后面的工作主要集中在哪里。

  • • 怎么训练比较好,gemini那种形式,llm那种形式。

PS: 问了很多开放性的问题,给的回复是业务积累不够,hhhh。

美团【offer】

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。

  • • 不考虑通用场景的。

  • • 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感知能力差的问题。

  • • 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。

二面:

  • • 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,trainnig loss代表优化目标。

  • • AGI的几个阶段,deepmind发表。

三面:

  • • 各种问题

四面:

  • • 介绍自己。

  • • 有一个多模态大模型,具备一些很多baseline的效果,基础的CV能力。可能效果都不是特别好。不如专精的大模型。OCR为例。目标得到一个类似GPT4V的模型,整理提高模型的效果。第二个,全流程,强化ocr能力。已有的多模态大模型。

  • • 文档场景。

阿里控股【PASS】

一面:

这里没什么面经,整体面试体验很差。不考虑继续往下面。

  • • 人非常高傲,傲慢,问问题,满脸的嫌弃

  • • 感觉别人都不行

  • • 觉得自己很强

  • • 文生图

  • • 文生图的畸形,检测的方式。

潞晨科技【PASS】

一面:

  • • 手写self-attention

emmm,但凡面试官是NLP的,面试体验都不太好。如果NLP背景的面试官,面试会比较困难。

夸克【offer】

一面:

  • • 项目

  • • 做题

二面:

  • • 高分辨率的解决方案

  • • 重叠文本框。采用什么方案来解决。

  • • 端到端的OCR是怎么做的。

三面:

  • • 介绍Focus-DETR。

  • • 介绍端到端的OCR。

  • • 介绍多模态大模型。

  • • 小语种数据集采购是为什么。检测数据多了,识别数据少了。

介绍业务规划,偏传统业务,不是大模型方向。

四面:

大佬面,出了一个概率题。

HR面:

  • • 为什么跳槽。

  • • 职业规划。

  • • 为什么有这个绩效和各种奖项。

腾讯-混元大模型【offer】

一面:

  • • 简单描述简历,在做的东西

  • • 图像细节提取有什么办法

  • • 目前的进展是什么样的,项目进展到什么情况

  • • 表格这种数据如何解决,如何对表格这种做有效的信息抽取。

  • • 目前有多少的数据量

二面:

  • • OCR算法

  • • 项目

  • • 介绍文本检测的一些问题如何解决

  • • MAE如何优化,什么鬼问题

三面:

纯聊天,没有太多技术问题。

  • • 多模态大模型,TEG,数据平台事业部。混元大模型。机器学习平台。

阿里巴巴国际部【中止】:

一面:

  • • 题目,旋转图像 Alpha度,

  • • 介绍项目

  • • 介绍Focus-Detr。

二面:

  • • 简单询问项目,很快结束。

PS: 不靠谱,很久没消息。没有后续的任何回复。这种最恶心了,建议大家不要再投。

网易实验室【PASS】

一面:

  • • 自我介绍

  • • 剪枝的工作,Focos-DETR是如何剪枝的。

  • • Transformer相比CNN,相比RNN的优势。

  • • 训练推理,增加吞吐量。

  • • 推理加速。预训练模型的部署推理,优化。

做推理加速的不合适。

Momenta【PASS】

一面:

  • • 手写NMS

  • • 介绍DETR

  • • 介绍Focus-DETR

  • • 介绍position Embedding

  • • 介绍DETR里面query的含义

PS: Momenta属于给钱多,但是比较累的。以后不太想做自动驾驶了,所以pass。不再考虑。

蚂蚁【大模型-codefuse】【HR面挂】

一面: 简单聊项目

二面:

  • • 业务题,如何解决多页文档的问题

  • • 业务题,现在 ui 多模态大模型,ocr 如何引入,目前 ocr 存在很多问题

  • • leetcode 题目,字符串转数字

  • • leetcode 题目,最大子数组和

  • • 多模态大模型的基础知识

三面:

  • • 个人介绍

  • • 部门规模

  • • 论文的情况

  • • 换过部门

  • • 海思做的内容

  • • OCR成熟度很高

面试体验:

面试官都很专业,问了很多问题,感觉很强。在HR面上吃了亏,很多问题没有回答好,吸取了经验,很多问题调整了回答的方式。也反思了自己在过往工作中存在的问题,面对大公司建议HR面认真准备,看看网上的一些经验,阿里的HR有一票否决权。

HR面注意点:

1、跳槽动机:如果是因为晋升不上去看机会,建议这么说:内部机会少,太稳定,想看更有发展的机会,别直接说晋升不上去才看机会,⚠切勿说和leader处不来或者说目前leader坏话。

2、关于薪资: 可以回答看企业安排,或者回答一个区间,保底多少,期望多少,加一句薪资可谈,留足谈判空间,如果企业给的薪资不太满意,⚠别直接拒绝,就说考虑一下,我这边去谈,最后面试结束时,记得感谢下面试官的时间。

3,关于加班: 大厂都大差不差,HR问就是试探⚠切勿说接受不了。

一些参考

社招关于大模型的知识点问到的也是一些常识知识,没有特别难得,更多的还是项目为主。面试其他公司的时候基本没有刷题,因为工作期间面试的,没有太多时间刷题, 只能周末时间。为了准备字节还是刷了一些题,大概60多道,如果是字节的话,还是好好准备刷题, 我有朋友甚至遇到了好几道hard。关于刷题,推荐labuladong的刷题笔记。应该算是最精良了,看这个不用看其他的了。

读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括:大模型学习线路汇总、学习阶段,大模型实战案例,大模型学习视频,人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型!

😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)

第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

在这里插入图片描述

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
在这里插入图片描述
在这里插入图片描述

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉获取方式:

😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

国内20家公司大模型岗位面试经验汇总 淘天集团的大模型研究将主要围绕两个场景展开:一是搜广推,二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。介绍链接。如何训练ocr任务实验的setting,ocr任务影响如何高分辨率训练,再在小分辨率上,会不会崩掉输出bbox有没有好的方式HR基本信息确认:考研进入电子科技大,为什么为什么进入了诺亚代表性的工作如何解决问题的,国内在做语言大模型的多一些。国内在做多模态大模型的如何评测,评估这些大模型的。如何看待刷榜的问题。 阅读详情

相关推荐

大模型算法面试 - 基础篇

基础知识1.transformer 八股文a.Self-Attention的表达式b.为什么上面那个公式要对QK进行scalingscaling后进行softmax操作可以使得输入的数据的分布变得更好,你可以想象下softmax的公式,数值会进入敏感区间,防止梯度消失,让模型能够更容易训练。c.self-attention一定要这样表达吗?不一定,只要可以建模相关性就可以。当然,最好是能够高速计算(矩阵乘法),并且表达能力强(query可以主动去关注到其他的key并在value上进行强化,并且忽略不相关的其

具身机器人和通用AI 2316

超详细!大模型面经指南(附答案)

原文仓库:https://github.com/jackaduma/awesome_LLMs_interview_notes,目录[x] 大模型(LLMs)基础面[x] 1. 目前 主流的开源模型体系 有哪些?[x] 2. prefix LM 和 causal LM 区别是什么?[x] 3. 涌现能力是啥原因?[x] 4. 大模型LLM的架构介绍?[x] 大模型(LLMs)进阶面[x] 1. ll...

weixin_40920183的博客 4486

疾病负担研究(GBD)介绍

今天我们来聊一聊第一个公共数据库——GBD数据库,全称叫做global burden of disease(全球疾病负担),该数据库每年都会更新,目前已经更新到GBD2019。 这里直接给大家贴出网址:Global Burden of Disease Study 2019 (GBD 2019) Data Resources | GHDx 上图中红色圈圈标识的就是数据库的数据获取界面的链接,大家直接点击即可. 数据的检索十分方便: Context下拉菜单中可以选择不同的选项,默认是caus

weixin_44240228的博客 1万+

大模型面经大汇总:覆盖国内20家公司!秋招大模型岗准备好了

该文章分享了作者在大模型行业的求职经历,投递了包括淘天、字节、蚂蚁等多家知名公司,并获得多个offer。重点介绍了淘天集团未来生活实验室的面试情况,包括技术面涉及的OCR训练、实验设置等技术问题,以及HR面的个人经历、对大模型行业的看法等。作者最终选择加入淘天,并推荐对该领域感兴趣的人投递简历。整体展现了在大模型领域的求职过程与面试经验。

m0_74942241的博客 1001

高分7(GF7)卫星数据制作平原地区DSM/DEM(三)——可信度分割

李国春(接上)

副组长的博客 1715

Anasys Workbanch实战解析:齿轮接触强度有限元分析全流程

本文详细解析了在Anasys Workbanch中进行齿轮接触强度有限元分析的全流程。从模型简化、材料赋予、接触对设置,到网格划分艺术、非线性接触求解调试,再到结果后处理与工程解读,提供了避开常见陷阱的实战经验,旨在帮助工程师精准评估齿轮强度与疲劳寿命。

weixin_29209805的博客 349

【2025超详细汇总】大模型面经指南(附答案)

LLM(Large Language Model,大型语言模型)是指基于大规模数据和参数量的语言模型。Transformer架构:大模型LLM常使用Transformer架构,它是一种基于自注意力机制的序列模型。Transformer架构由多个编码器层和解码器层组成,每个层都包含多头自注意力机制和前馈神经网络。这种架构可以捕捉长距离的依赖关系和语言结构,适用于处理大规模语言数据。自注意力机制(Self-Attention):自注意力机制是Transformer架构的核心组件之一。

2401_84208172的博客 1980

ldpc编解码器设计与仿真

计算校验节点到变量节点的消息 m_{c \to v}=2 \cdot atanh(\prod_{v’ \in N©\setminus v}tanh(\frac{m_{v’ \to c}}{2}))。计算变量节点到校验节点的消息 m_{v \to c}=L_{v,0}+\sum_{c’ \in M(v)\setminus c}m_{c’ \to v}。◦ 对于每个变量节点 v,计算最终 LLR 值 L_{v,f}=L_{v,0}+\sum_{c \in M(v)}m_{c \to v}。

youngerwang的博客 813

【机器学习】大模型面试八股含答案

原作者:花甘者浅狐感谢这位朋友辛苦整理,访问知乎原文https://zhuanlan.zhihu.com/p/643560888基础知识1.transformer 八股文a.Self-Attention的表达式 b.为什么上面那个公式要对QK进行scaling scaling后进行softmax操作可以使得输入的数据的分布变得更好,你可以想象下softmax的公式,数值会进入敏感区间,防止梯度消失...

fengdu78的博客 7755

PCL 均匀采样【2026最新版】

根据输入点云数据创建一个微小的三维立方体集合,然后计算每个三维立方体的重心;由于该重心点不一定是原始点云中的点,直接用该点来表示立方体内所有的点会丢失原始点云的细小特征;所以使用k最近邻搜索寻找距离重心点最近的原始点来代替重心点。

点云侠的博客 41万+

Qt5.15.2配置安卓环境

否则,将会跳转到github,你可以自行下载解压到你设置的目录中,然后Qt会自动检测到。以上所需的工具确实有些繁多,而且如果单独下载又涉及科学上网问题,版本问题十分麻烦,好在Qt Creator 4.12之后已经可以自动下载SDK工具,NDK,基础包,openssl,以及gradle等,十分省心。回到正题,无论通过在线安装的方式,安装时勾选了Android,还是编译的方式,编译时编译了Qt Android库,想要使用Qt开发安卓应用仍然需要一些其他工作,包括安装编译安卓项目需要的SDK,NDK等。

weixin_41392061的博客 981

面试面经|大模型面试八股含答案,非常详细收藏我这一篇就够了

前面在4.中提到了Lora,我也曾在别的回答中提过Lora真是本世纪最美女名,因为真的是个人微调的一大福音。如果你想细致了解,可以看看这篇CW不要無聊的風格:当红炸子鸡 LoRA,是当代微调 LLMs 的正确姿势?我在这里也具体来讲讲:首先肯定是要搬上来这张图的:

2401_84495872的博客 6335

基于ResNet + LLM大语言模型的分类识别系统设计与实现,Web前后端分离,Django+vue3+AI助手模块+ResNet50算法+LLM 联动+Element Plus等技术,全网独发

分类识别任务是计算机视觉中的重要任务,广泛应用于智慧校园分类、智慧农业、智慧生活场景分类等领域。常见的分类模型有 VGGNet、ResNet 、MobileNet 、ConvNeXt、DenseNet、ViT、Swin Transformer、YOLOv8/11/26。本项目结合 ResNet分类识别算法 + LLM大语言模型联动 ,使用 Django + Vue3,构建了一个通用的 Web 前后端系统,用户端 + 管理端 ,便于用户操作检,不仅可以用于大论文的工作量展示,还可以作为毕业设计。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 769

大模型面经,不要到处找了,收藏我这一篇就够了

在当前技术快速发展的背景下,大模型领域的职位成为了许多求职者的热门选择。为了帮助大家更好地准备面试,这里整理了一份大模型面试经验分享,涵盖了一些常见的面试流程、可能遇到的技术问题以及面试官可能会问到的行为问题等。大模型面试经验分享一、面试流程大多数大模型岗位的面试流程通常会包含以下几个阶段:简历筛选:根据简历中的技能和经验进行初步筛选。电话/视频初试:一般由HR进行,主要了解求职者的背景、工作经历及求职动机等。技术面试:由技术团队成员进行,侧重于考察求职者的专业知识和技术能力。

2401_84204207的博客 3006

ppt保存时嵌入字体,但找不到字体使用的位置的解决办法

摘要 当PPT提示无法保存嵌入字体时,可通过VBA代码快速定位使用该字体的文本。具体步骤如下: 按ALT+F11打开VBA编辑器,新建模块并粘贴提供的代码; 运行代码后输入目标字体名称(如“方正兰亭黑简体”); 程序将列出所有使用该字体的幻灯片编号及对应文本内容; 修改这些文本的字体即可解决保存问题。该方法高效精准,适用于排查PPT字体嵌入失败的情况。(150字)

智慧空间实验室 1407

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

大模型面试基础+八股文【持续更新中】

来源:https://redian.news/wxnews/488452一些参考: https://zhuanlan.zhihu.com/p/643560888 https://zhuanlan.zhihu.com/p/643829565 https://zhuanlan.zhihu.com/p/558286175 https://zhuanlan.zhihu.com/p/632102048 https://github.com/5663015/LLMs_train论文《Finetuned Language

qq_35166730的博客 6151

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

国内20家公司大模型岗位面试经验汇总,真的太卷了

淘天集团的大模型研究将主要围绕两个场景展开:一是搜广推,二是逛逛的内容化。团队组建工作由淘天集团CEO戴珊、淘天集团CTO若海、阿里妈妈CTO郑波等人共同牵头。

2401_85325726的博客 1463

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

算法面经小米篇

max(0, 1-y*y^) 不关注明显分对的点:比如标注为1 预测大于等于1的点。手撕:每次拿1、2个,判断取n个,先拿的人获胜情况。10.attention的时候还有什么mask。9.mask是怎么实现的 权重设为负无穷。1.简单介绍一下你了解的预训练模型。3.transformer的结构。手撕:天上最多同时几个飞机,贪心。12.Bert和Elmo的区别。4.防止梯度消失梯度下降的方法。1.多分类样本不均衡怎么解决。4.多标签分类和多分类的区别。手撕:梯度下降方法求开平方。5.常见预训练模型了解吗。

持续战斗状态的博客 1265

YYDS一道(模型)面试官爱问的考题,这样体系化作答666|(含动手实操资料)

YYDS一道(模型)面试官爱问的考题,这样体系化作答666|(含动手实操资料)

weixin_45545159的博客 1067

国内IT行业58家外包公司,你待过几个?

很多人不建议去外包公司,但不得不说,国内的外包公司还真不少,但IT行业就有无数的外包公司。嵌入式“风向标”再启幕!聚焦AIoT、人形机器人硬科技。单片机代码中while(1)和for(;国内IT行业58家外包公司,看看你待过几个?福瑞兰斯 SapFreelance。IBM外包(听到外派字眼就是外包)嵌入式代码中内联函数与宏的区别。58. 信华信(原大连华信)浪潮软件(注意是浪潮软件)北京外企德科(华为OD)前海泰坦科技(深圳)

strongerHuang 2784

AI 大模型面试指南(含答案)大放送!

▼最近直播超级多,预约保你有收获今晚直播:《大模型构建企业知识库实践》AI 大模型技术经过2023年的狂飙,2024年必将迎来应用的落地,对 IT 同学来讲,这里蕴含着大量的技术机会,越来越多的企业开始招聘 AI 大模型岗位,本文梳理了AI 大模型开发技术的面试之道,从 AI 大模型基础面、AI 大模型进阶面、LangChain 开发框架面、向量数据库面等不同知识维度,试图找到一个共同的面试速成...

musicml的博客 2487

大模型面试八股

来自:包包算法笔记进NLP群—>加入NLP交流群人人讨厌八股文,人人都问八股文。八股文主要考察原理理解,被痛恨的原因就是实际工作用不上,其实不满足于当一个碉堡侠的时候,八股也就不是八股了,更多的是原理的谙熟于心。很多也算不上八股,更多是经验的交流吧。现在大模型面试的问题还处在一个蓝海阶段,很多面试官自己也问不出太有深度的问题,整理以下仅供参考。基础知识1.transformer 八股文2.a...

zenRRan的博客 1473
上一篇: AI发展到现在,国内大模型行业还有哪些机会?
下一篇: 从Java到AI大模型,我为什么选择后者?
AI大模型_学习君
博客等级 码龄3年 6138粉丝 551原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值