卷了1个多月，终于收到了蔚来大模型算法岗 Offer

节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。

针对大模型技术趋势、算法项目落地经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。

蔚来校招大模型工程师，比较中规中矩，没怎么写算法题。

三面有两个人，一个技术面试官一个HR，技术面结束后立马开始HR面，面完之后没多久offer就发过来了！
下面是面试中所有的面试题，大家可以参考一下。

一面

1. 自我介绍
2. 挑一个实习介绍
3. 了解哪些位置编码技术
4. RoPE原理
5. 线性内插、NTK、YaRN
6. 位置编码内插后注意力计算会增加，如何缓解
7. 介绍 LongLoRA
8. 数据集构建时各种类型数据的比例是如何确定的
9. 使用华为910B及其相关平台时遇到哪些困难，如何解决的
10. 效果如何评测的
11. 最终的效果提升有没有具体的指标
12. Coding: 两数之和
13. 为什么要投蔚來
14. 反问

二面

1. 自我介绍
2. 介绍实习
3. 做了哪些工作，mentor 提供了哪些支持
4. 介绍LongLoRA
5. YaRN原理
6. 主要业务场景
7. 训练过程中如何降低显存使用
8. 训练的细节，时长，参数设置，显卡数量
9. 如何观察训练是否生效
10. 介绍快手实习
11. 全链路介绍，怎么做的推荐
12. 做了哪些工作
13. 找工作时更看重哪些
14. 秋招进度
15. 反问

三面

1. 自我介绍
2. 介绍实习，相关业务背景
3. 新数据来临后需要重新训练么
4. 项目情况，人员分工
5. 从业务角度来看，哪些指标很关键
6. 一般会从哪几个角度判断内容好坏
7. 长文本扩展技术介绍，长文本的首token出现时间
8. 为什么不用腾讯内部的混元，了解过混元的基本原理之类的吗
9. 如何保证模型长度扩展后的效果，效果如何评测
10. 论文的最大价值，效果如何验证的，提升了多少
11. 毕业后想从事的方向
12. 做科研和项目过程中，最大的挑战是什么，如何去解决的
13. 遇到最大的挫折是什么，怎么解决的
14. 反问

四面-HR面

1. 转正相关情况
2. 团队协作经历
3. 实习期间有没有相关的合作经历，具体介绍一下
4. 反问：后续流程

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】