搜狐大模型算法工程师面试题
应聘岗位：搜狐大模型算法工程师
面试轮数：
整体面试感觉：偏简单
面试过程回顾
1. 自我介绍
在自我介绍环节，我清晰地阐述了个人基本信息、教育背景、工作经历和技能特长，展示了自信和沟通能力。
2. 技术问题回答
2.1 介绍一下，现在几种流行的大模型架构?
- BART (bi Encoder+casual Decoder，类bert的方法预训练)
- T5 (Encoder+Decoder，text2text预训练)
- GPT(Decoder主打zero-shot)
- GLM (mask的输入部分是双向注意力，在生成预测的是单向注意力)
2.2 说一下 prefix LM 和 casualLM 的区别？
prefix LM 和 casualLM 所用的 attention mask 不一样：
- prefix LM：token可以相互看到；
- casualLM：严格自回归
2.3 在 大模型任务中，你用到 LoRA，讲一下 LoRA 实现原理?
LoRA 的思想很简单:
- 在原始 PLM (Pre-trained Language Model) 旁边增加一个旁路，做一个降维再升维的操作，来模拟所谓的intrinsic rank。
- 训练的时候固定 PLM 的参数，只训练降维矩阵 A 与升维矩阵 B 。而模型的输入输出维度不变，输出时将 BA 与 PLM 的参数叠加。
- 用随机高斯分布初始化 A ，用 0 矩阵初始化 B ，保证训练的开始此旁路矩阵依然是 0 矩阵。
2.4 instruction tuning 和prompt learning 的区别?
instruction tuning和prompt learning的目的都是去挖掘语言模型本身具备的知识。不同的是Prompt是激发语言模型的补全能力，例如根据上半句生成下半句，或是完形填空等(few-shot)。Instruct是激发语言模型的理解能力，它通过给出更明显的指令，让模型去做出正确的行动 (zero-shot)。
2.5 项目中你用到的 大模型推理加速工具是什么？能不能简单介绍一下为什么用它？
项目中主要用到 vLLM 大模型推理加速框架。
2.6 vLLM 具有哪些特点 ?
-
受到操作系统中，虚拟内存和分页经典思想的启发
-
PagedAttention 允许在不连续的内存空间中存储连续的 keys 和 values。 具体来说，PagedAttention 会将每个序列的 KV cache 划分为块，每个块包含固定数量 tokens 的 keys 和 values。 在注意力计算过程中，PagedAttention 内核有效地识别并获取这些块。
-
分块之后，这些 KV cache 不再需要连续的内存，从而可以像在操作系统的虚拟内存中一样，更灵活地对这些 KV cache 进行管理。
-
PagedAttention 对于显存的利用接近理论上的最优值（浪费比例低于4%）。通过对显存进行更好的管理，可以使得单次可以使用更大的 batch size，从而进一步利用 GPU 的并行计算能力。
3. Leetcode 题
具体题意记不清了，但是类似 【51. N 皇后】
- 题目内容
按照国际象棋的规则，皇后可以攻击与之处在同一行或同一列或同一斜线上的棋子。
n 皇后问题 研究的是如何将 n 个皇后放置在 n×n 的棋盘上，并且使皇后彼此之间不能相互攻击。
给你一个整数 n ，返回所有不同的 n 皇后问题 的解决方案。
每一种解法包含一个不同的 n 皇后问题 的棋子放置方案，该方案中 ‘Q’ 和 ‘.’ 分别代表了皇后和空位。
- 示例：
-
示例 2：
-
提示：
-
- 1 <= n <= 9
-
题目解答
个人本次面试总结
本次面试偏技术面一点，整体效果还行，问到很多技术点都比较简单
如何学习大模型
现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。
作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。
我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。
一、AGI大模型系统学习路线
很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。
二、AI大模型视频教程
三、AI大模型各大学习书籍
四、AI大模型各大场景实战案例
五、结束语
学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。
再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。
因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。
