节前,我们星球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、参加社招和校招面试的同学,针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。
汇总合集:《大模型面试宝典》(2024版) 发布!
今天我来分享一位我们星球上特别棒的小伙伴,成功拿到深信服大模型算法岗,祝贺他。喜欢记得收藏、点赞,收藏,文末可以参与我们的技术讨论。
大家好,我是周同学,感觉自己特别幸运,拿到深信服大模型算法岗Offer,说实话,从去年4,5月我就开始准备秋招了。在星球上,我收获了很多,也遇到了很多技术大佬。
今天我分享秋招遇到的面试题,希望能对要找工作的小伙伴一点帮助,感谢星主的无私帮助。
有一点特别重要:秋招的算法面试题特别的新,之前都没有经历过!AIGC 相关的面试题猛增,特别是去年到今年爆火的大模型、多模态、扩散模型、SAM考察的知识点越来越多。
1. 自我介绍
2. 技术问题
-
2.1 基础面
-
2.1.1 说一下 Transformer 基本组成结构?
-
2.1.2 介绍一下 self- attention?
-
2.1.3 为什么 在Scaled Dot- Product Attention中要除以 sqrt(dk)?
-
2.1.4 多头注意力机制如何实现?
-
2.1.5 Transformer 在两个地方使用到 Mask 机制,分别介绍一下?
-
2.1.6 Transformer 中的Positional Encoding有什么作用?
-
2.1.7 Transformer 如何处理长距离依赖问题?
-
2.1.8 Layer Normalization的作用是什么?
-
2.1.9 能否用Batch Normalizatioin?
-
2.1.10 批归一化(Batch Normalization)
-
-
2.2 技术面
-
2.2.1 LLMs 存在模型幻觉问题,请问如何处理?
-
2.2.2 看到你项目里面用到 RAG,能不能介绍一下?
-
2.2.3 RAG 核心技术是什么?
-
2.2.4 RAG prompt 模板如何构建?
-
2.2.5 RAG 文档切分粒度不好把控,你有什么好的 Trick?
-
2.2.6 KV Cache 介绍一下,为什么需要?
-
技术交流群
前沿技术资讯、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~
我们建了大模型算法岗技术与面试交流群, 想要获取最新面试题、了解最新面试动态的、需要源码&资料、提升技术的同学,可以直接加微信号:mlc2040。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、微信搜索公众号:机器学习社区,后台回复:加群
方式②、添加微信号:mlc2040,备注:技术交流