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、大模型落地项目经验分享、新手如何入门算法岗、该如何准备面试攻略、面试常考点等热门话题进行了深入的讨论。
总结链接如下：
喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以文末加入我们。
最近一位星球成员面试科大讯飞 NLP 算法岗，被疯狂拷打。。。
今天我把他的面经题整理总结一下，希望可以对大家找工作有帮助，喜欢点赞、收藏、关注。
-
⾃我介绍
-
介绍⾃⼰的项⽬
-
项⽬中数据语料
-
你怎么评价你⾃⼰构建的数据集的好坏？
-
chatGLM 和 GPT 模型结构⼀样吗
-
⼤模型训练⽅式
-
怎么评价⼈类⾼质量回答的数据集？精⼼处理的数据集作⽤？
-
强化学习中怎么⽤奖励模型打分？怎么样的分数？奖励模型是怎么得到的？
-
⽤强化学习的梯度更新是怎么实现的？
-
什么样的 prompt 是好的 prompt？
-
Instruct 和 prompt 有什么区别？
-
现在⼤模型有哪些的缺点
-
模型幻觉怎么解决？
-
⼤模型对话和传统的 nlp ⼈机对话⽅案有什么区别
-
（⼈机对话）你怎么知道⽤⼾输⼊之后，触发⼀些问题
-
传统⼈机对话中⼀个问题给 K 个回复吗
-
（⼈机对话）相似度怎么计算；这种度量的模型怎么训练？
-
命名实体识别遇到嵌套识别该怎么做？
-
⽂本分类中⼀个⽂本有多个类别的话，该怎么做？
-
⽂本分类中类别不均衡问题怎么解决？
-
⼤模型的幻觉怎么评测？
-
什么是⻓⽂本？⼤模型⻓本⽂怎么做？
-
你项⽬中⻓⽂本⽤的多⻓？
-
tokenizer 的步骤
总结
这次面试涵盖了自然语言处理（NLP）和大型语言模型（LLM）相关内容。
涉及多个关键点，包括个人项目、数据集构建、模型结构、训练方法、强化学习、prompt 设计、模型缺点、对话系统、实体识别、文本分类等
技术交流&资料
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。
成立了算法面试和技术交流群，相关资料、技术交流&答疑，均可加我们的交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
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：来自CSDN + 技术交流
600
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
