大厂面经|NLP 算法实习岗，对我后续找工作太重要了！

当前就业大环境，我不用多说，大家都懂的，能找一份大厂实习机会，对后续的春招和秋招都是至关重要的。

最近星球群的两位同学，分享了他们 NLP 算法岗的实习经历、心得和后续的校招面试经验分享。

今天我整理一下，分享一下他们的面试题给大家，如果你对这块感兴趣，可以文末加入我们的技术群。

1、平安科技

1.自我介绍；

2.主要用过哪些深度学习框架（Pytorch）；

3.介绍自己的论文和项目；

4.什么是元学习（项目和论文中用到了）；

5.多任务学习的一些框架（项目和论文中用到了，SharedBottom、MMoE、SRN等）；

6.介绍一下LR回归、XGBoost、GBDT，以及他们的优缺点；

7.介绍一下BERT和ChactGPT；

8.如何处理文本信息（Word2Vec）；

9.有用过C++吗，说一下C++的三个特性（封装、集成、多态）；

10.SQL有使用过吗，只会最简单的增删改查；

11.了解哪些深度学习模型（MLP、CNN、RNN、Transformer），说一下各自的优缺点；

12.RNN有哪些问题（梯度消失、梯度爆炸），如何缓解（使用LSTM结构，引入门控机制）；

13.可以实习多长时间，学校导师放实习吗；

12.反问（实习主要做什么，自己应该补充哪些知识）；

13.总结：本身是做推荐相关的，没有问太多NLP相关的内容，需要恶补一下NLP相关的知识，总体面试感觉良好；

14.大模型是否有关注过，熟悉那些大模型，并说明它们的区别？

15.有没有看过大模型相关的论文、参加比赛、项目案例?

2、吉利极氪智能座舱 NLP

让我也打开简历，简单做个自我介绍

crf原理

基于Bert的序列标注任务去掉crf效果是否有影响

lstm 的门有哪些，怎么运算的（这个答得不好，当时把他当黑盒用了，对门控机制不熟）

交叉熵、BCE、softmax、sigmoid

深挖 Bert，Bert 的结构，base有多少层、BatchNorm/LayerNorm、Bert的输入、残差层公式、是否了解

BPE/WordPiece/SentencePiece（这个答得不好，记不太清楚了），其实问的还不够深入，我还准备了比如多头注意力的并行计算细节之类的，有种拔剑四顾心茫然的怅然若失（这就问完了，不及我准备的十分之一呢）

论文和科研工作的时间分配

大模型在NLP的幻觉问题如何解决？

大模型在NLP可能应用的场景有那些？

大模型应用框架Langchain 是否知道？几个模块是做什么的

技术交流群

前沿技术、岗位信息分享、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)、等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了大模型&NLP 面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2060。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。

方式①、添加微信号：mlc2060，备注：技术交流
方式②、微信搜索公众号：机器学习社区，后台回复：技术交流

用通俗易懂方式讲解系列

• 用通俗易懂的方式讲解：自然语言处理初学者指南（附1000页的PPT讲解）
• 用通俗易懂的方式讲解：NLP 这样学习才是正确路线
• 用通俗易懂的方式讲解：28张图全解深度学习知识！
• 用通俗易懂的方式讲解：不用再找了，这就是 NLP 方向最全面试题库
• 用通俗易懂的方式讲解：实体关系抽取入门教程
• 用通俗易懂的方式讲解：灵魂 20 问帮你彻底搞定Transformer
• 用通俗易懂的方式讲解：图解 Transformer 架构
• 用通俗易懂的方式讲解：大模型算法面经指南（附答案）
• 用通俗易懂的方式讲解：十分钟部署清华 ChatGLM-6B，实测效果超预期
• 用通俗易懂的方式讲解：内容讲解+代码案例，轻松掌握大模型应用框架 LangChain
• 用通俗易懂的方式讲解：如何用大语言模型构建一个知识问答系统
• 用通俗易懂的方式讲解：最全的大模型 RAG 技术概览
• 用通俗易懂的方式讲解：利用 LangChain 和 Neo4j 向量索引，构建一个RAG应用程序
• 用通俗易懂的方式讲解：使用 Neo4j 和 LangChain 集成非结构化知识图增强 QA