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

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。

• 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)

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

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。

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)。

项目中主要用到 vLLM 大模型推理加速框架。

• 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。

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

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
​

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓