大模型面经 - 阿里云

部门与岗位:阿里云智能集团 - 阿里云智能 - 多模态大模型
一面
- 首先是自我介绍和过项目,但是项目问的比较细
- CLIP 的原理是什么,损失函数是怎么设计的,对比学习的思想是什么
- 了解 Qwen-VL 吗,它对于数据做了什么处理,训练过程是怎么样的
- BLIP 借鉴了 ALBEF 的什么思想,在 ALBEF 上做了哪些改进,BLIP2 和 BLIP3 又分别做了哪些改进
- 讲一讲 LLaVA 是怎么做的,在结构上和 BLIP 系列和 Qwen-VL 这些有什么区别
- 了解 RLHF 吗,在多模态大模型这边是怎样做对齐的
- 代码:刚刚说到了 CLIP,实现一下对比损失 InfoNCE Loss 吧
- 代码:518. 零钱兑换 II
一面还是比较基础的,主要考察了对一些常见的多模态大模型的理解,包括数据、模型、训练这些方面,读一下放出来的论文应该就十分清晰了
二面
- 自我介绍和过项目
- 对大模型了解吗,怎么构建数据,怎么预训练,怎么对齐的
- 为什么会出现 BERT、ViT 这种 Encoder-only 和 GPT 这种 Decoder-only 模型架构上的区别,两者的区别主要在哪,应用场景有什么区别
- 说一下多模态大模型的发展过程,都了解哪些多模态大模型
- 多模态大模型中,Vision 和 Language 都是怎么融合的,分别有哪几种融合方法
- 多模态的数据怎么清洗
- 我们知道 LLM 有 scaling law,在 VLM 这边有 scaling law 吗
- 多模态大模型怎么解决幻觉问题
- 代码:多头自注意力
整体来看考察的比较宏观,注重对多模态大模型整体的宏观的把握,对于模型细节的考察并不是很多。面试官人也挺好的,有难回答的点会引导。
三面
- 自我介绍和过项目,这里问的比较深刻,面试官会一起探讨,比如有没有想过用另一种方案,如果采用其他方案会有什么缺点和优点
- 了不了解我们这个部门,然后介绍了一下
- 聊天,聊大模型发展趋势,今后的发展方向等等
三面和淘天很像,面试官说知识点前面两面都问的差不多了,就没有再考察什么八股,氛围比较轻松。面试时间比较短,大概 40 分钟,大部分都在讨论项目。
总结
整体来面试中规中矩,都是比较常规的八股知识,但是对自己做的东西的询问比较详细,会了解发论文或者做业务时的整体把握,有没有深刻的理解。

如何学习AI大模型?
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: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

更多推荐

所有评论(0)