找Java岗位但是用Python刷题

最近半年AI的生产力发展的太快了，以前能干一星期的事，现在1天就能干完，未来的1-3年互联网的大部分岗位都会向AI靠拢目前互联网公司内部基本上每个人都在使用AI，从岗位上已经演变为覆盖研究-工程-应用-产品-运营-数据-测试-管理全链路的庞大生态如果你想从事AI相关岗位，不论你是技术还是非技术岗，都可以按照图片上的岗位去搜索投递

1. Transformer现有架构在什么情况下，哪个模块会导致用户意图判别不准？2. Transformer中的Q、K、V分别来自哪里？代表什么？3. MOE（混合专家模型）和传统Transformer的核心区别是什么？4. GRPO 和 SFT 的数据量分别是多少？5. 项目中数据输入是整段视频，还是拆分使用OCR、ASR分别处理？6. 力扣岛屿题第10题中，DFS/BFS里计数函数的两个循环分别起到什么作用？7.上下文场景中，单Agent和多Agent各自的优劣势是什么？8. 什么情况下选择单Agent，什么情况下选择多Agent？9.向量向量化后，距离计算的方法有哪些？

首先你要会python（不需要熟练，只要用python写过简单项目）其次你要对算法的通用训练流程有个概念学历至少211，这决定你能不能过简历筛选 我们的目的就是以最低的时间成本快速过面，因此首先拆解一下面试组成部分常规面试时间一个小时，40分钟简历面+20分钟笔试+反问环节简历面主要考项目和八股。你最好有两个相关的项目，可以把四十分钟撑满；或者有一个充实的项目，可以经得住面试官拷打；如果项目都很浅很简单，那你需要对八股掌握的滚瓜烂熟。对面试者来说，问项目意味着自己掌握主动权，我们可以把自己的优势在项目里体现（比如可以在数据环节做复杂的设计，在调参上做设计，在训练流程上体现自己的独特insight），也可以通过项目提到的内容给自己划八股重点（一般提到数据就会问数据合成方法，提到微调就会问了解哪些微调方法和框架，提到rl就逃不开ppo grpo还有一些更新的等，提到rag会问检索 embedding，提到agent会问架构、memory等）。八股不是所有都考。我遇到过，力扣原题、transformer架构、KL散度这些神经网络公式的，还有数据处理的、设计prompt的等等。不过一般难度都不会很大，力扣的简单中等题做个大概，transformer和神经网络的经典实现看一看，其他的有一些些基础之后临场基本都能做出来。综上，时间有限：项目 >> 八股 = 力扣项目怎么找？ 网上有很多博主推荐项目，无非就是sft+rl，但我建议自己找一个研究背景，设计自己的数据格式，然后套那些技术手段（很多项目其实被做烂了，同质化很严重）。大概写一个项目的雏形出来，可以扔给llm跟他对话，让它充当面试官提问题。八股怎么找？ 最快的方式就是找各种面经，记录问题，然后自己借助大模型学答案，不要试图抱着一本书从头看到尾。大概准备的差不多70%之后就抓紧去面试，面试不要怕编的项目被拆穿、也不要怕答不上来面试官的问题尴尬，抱着学习的心态去面试，不要抱着通过的心态去面试。

1.针对简历上的实习提问。2.kl散度和交叉熵的关系3.LoRA介绍，和全参sft怎么选择？小模型的sft和大模型的LoRA效果对比会是怎么样的？sft数据集如何构建？4.介绍AUC，AUC表达的是什么？5.recall重要的场景下，如果recall很高，precision很低怎么办？6.precision和recall都是什么，不同场景下precision和recall如何关注？哪个更重要？7.手撕-实现shuffle函数。