暑期实习基本结束了，校招即将开启。
不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。
最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。
总结链接如下：
《大模型面试宝典》(2024版) 正式发布！
喜欢本文记得收藏、关注、点赞。更多交流，可以文末加入我们
除了去互联网大厂外，半科研半实践的 AI 实验室也是一个不错的就业选择，分享我们一个球友的面经：
背景：双非本，top5 硕士，研究方向是对话系统和图像处理，NLP 比赛 Top10（天池 / Kaggle），1 篇发明专利，1篇CCF-A。
马上要入职了，祝愿球友们不断夯实自我，加油努力，收获钟意的offer～
一面
- 讲一下目标检测项目
- 为什么不用 Anchor-based 的方法，在工业界其实还是 Anchor-based 的用的多，因为召回率高
- 讲讲 CenterNet 这种用来检测的方法和 Anchor-based 相比的优点在哪里
- 抠图和分割有什么区别，抠图的前景背景代表什么
- MODNet 语义的部分是怎么预测的，人的姿态千变万化，他为什么能预测那么好的预测出来？
- 报图你用了 MAD, MSE 指标，还了解其他指标吗？
- DDIM DDPM 区别
- 说几种 diffusion 加速推理方法
- 多模态大模型你了解那些？
- LLAVA 讲一下？LLaMA 2 的创新在什么地方
- MINI-GPT4 是否使用过
- 是否了解 Swin Transformer，介绍一下
总体来说，面试体验中等。
二面
- 从三个方面讲一下目标检测项目：动机、方法、结果
- 你用到了 Transformer Encoder，你觉得 global attention 和 self-attention 有什么区别呢？
- 介绍 Transformer 和 ViT
- 为什么 Transformer 适合多模态任务？
- Transformer为什么使用多头注意力机制？
- CenterNet 能解决两个物体的中心点重合的问题吗？
- 你用到了蒸馏，那么你觉得蒸馏和直接用 GT 相比，有什么好处？
- MODNet 是一个 Trimap Free 的还是 Trimap Based 的算法？介绍一下他的大概流程
- 抠图方面，怎么让一个小数据集训练出来的模型更好泛化呢？
- 介绍部门，表示这边也是做图像相关的研究，不仅仅做学术研究，也会落地应用
- 编程题：手撸 IOU 计算公式
- 编程题：用 5 个线程来打印 1 ~ 100，另外要求每个线程必须按顺序依次执行。摊牌说不会按顺序的做法，换题。
HR 面
- 实验室和大厂，你是如何抉择的，主要考虑哪些方面？
- 对自己未来3-5年的职业规划是什么？
- 以往在团队合作中最难的一件事
- hr 介绍了实验室的运营情况，特别是 WLB 这点，让我看了心动
资料获取和交流
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。
成立了大模型算法技术交流群，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
通俗易懂讲解大模型系列
-
重磅消息！《大模型面试宝典》(2024版) 正式发布！
-
重磅消息！《大模型实战宝典》(2024版) 正式发布！
-
做大模型也有1年多了，聊聊这段时间的感悟！
-
用通俗易懂的方式讲解：大模型算法工程师最全面试题汇总
-
用通俗易懂的方式讲解：不要再苦苦寻觅了！AI 大模型面试指南（含答案）的最全总结来了！
-
用通俗易懂的方式讲解：我的大模型岗位面试总结：共24家，9个offer
-
用通俗易懂的方式讲解：大模型 RAG 在 LangChain 中的应用实战
-
用通俗易懂的方式讲解：ChatGPT 开放的多模态的DALL-E 3功能，好玩到停不下来！
-
用通俗易懂的方式讲解：基于扩散模型（Diffusion）,文生图 AnyText 的效果太棒了
-
用通俗易懂的方式讲解：在 CPU 服务器上部署 ChatGLM3-6B 模型
-
用通俗易懂的方式讲解：ChatGLM3-6B 部署指南
-
用通俗易懂的方式讲解：使用 LangChain 封装自定义的 LLM，太棒了
-
用通俗易懂的方式讲解：基于 Langchain 和 ChatChat 部署本地知识库问答系统
-
用通俗易懂的方式讲解：Llama2 部署讲解及试用方式
-
用通俗易懂的方式讲解：一份保姆级的 Stable Diffusion 部署教程，开启你的炼丹之路
-
用通俗易懂的方式讲解：LlamaIndex 官方发布高清大图，纵览高级 RAG技术
-
用通俗易懂的方式讲解：为什么大模型 Advanced RAG 方法对于AI的未来至关重要？
-
用通俗易懂的方式讲解：基于 Langchain 框架，利用 MongoDB 矢量搜索实现大模型 RAG 高级检索方法
