拿到字节大模型算法岗 Offer，我要上岸了！

最近好消息不断，已有多位粉丝成功拿到了满意的 offer 。

放假前，一位粉丝跟我聊天，拿到了字节算法岗（大模型方向）的暑期实习机会。从研一开始准备，一边实习，一边投论文，研究生期间忙碌而充实。

学校情况：211本硕，计算机科班，但研究方向并不是NLP，而是图表示学习，算是转行

论文情况：2A1B均为一作，其中1A(NeurIPS)+1B(ICDM)已发表，另有1A刊在投中

实习情况：一段快手推荐算法日常实习

今天我来整理一下他的算法面经，分享给大家，希望对后续找工作的朋友有所帮助。

一面

1.自我介绍
2.详细说快手的用户推荐算法实习，主要做了些什么？
3.聊聊你本科做的负荷预测项目？
4.说一下 Transformer 的整体结构
5.了解有哪些位置编码方式吗？
6.说一下 LLaMA 中的旋转位置编码
7.为什么现在的大模型大多是decoder-only的架构？
8.LLM中的因果语言建模与掩码语言建模有什么区别？
9.如何减轻LLM中的幻觉现象？
10.如何评估大语言模型（LLMs）的性能？
11.直接介绍 NeurIPS 论文，中间穿插着一些提问
12.你的 NeurIPS 论文能和推荐那边结合起来吗？
13.NeurIPS 中论文中有没有考虑事件本身的一些属性，或者动态性什么的？
14.让我说说后续打算怎么做动态性的一些东西？
15.算法题：经典的求平方根，牛顿迭代法秒了
16.算法题：判断一个字符串能否由另一个字符串旋转而来，比如abcd旋转后可以变成dabc或者bcda等，写完后面试官要求O(1)

二面

1.自我介绍
2.详细介绍快手实习，中间穿插了十来个问题
3.介绍论文
4.简述GPT和BERT的区别
5.讲一下生成式语言模型的工作机理
6.ChatGPT的零样本和少样本学习
7.Transformer 的多头注意力机制
8.为什么Transformer的架构需要多头注意力机制？
9.transformer中，同一个词可以有不同的注意力权重吗？
10.有哪些常见的优化LLMs输出的技术？
11.参数高效的微调（PEFT）有哪些方法
12.请简述下PPO算法流程，它跟TRPO的区别是什么？
13.DeepSpeed 是否了解？对算子融合做了哪些优化？
14.算法题：BFS 求岛屿数量
15.算法题：回文子串的一个题，dp
16.反问环节

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CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】