当前位置：首页 > news >正文

给参加AI大模型秋招和实习的同学一点建议，看完这一篇就够了

news 2025/5/6 9:19:24

现在已经、是金九银十，这篇笔记，就给即将参加大模型实习和秋招的同学一些建议，提高效率，避免踩坑。

首先是方向性，现在大模型要求的方向都逐渐精细化，各大小厂要求的岗位也越加垂直。

不再局限于CV,NLP,搜广推。

比如CV方向，AIGC大模型相关的岗位会细分为文生图，图生图，文生视频，图像/视频编辑等。

NLP方向大模型相关岗位又分为语音助手，问答系统，智能搜索，Langchain,提示工程师等

而对于互联网大厂的大模型，会按照工种继续细分，比如大模型算法开发，大模型平台开发，模型加速，模型训练，模型部署。
在这里插入图片描述

因此第一点，大家在准备的时候，一定要找准适合自己的方向，精准投递，提高简历筛选通过率。

然后是项目，项目的重要性不言而喻，而从项目的含金量来看:企业项目>学校项目>开源项目。

这也是为什么我在给学员做规划时，都建议尽可能在校期间有2段实习经历。

因为优秀的实习经历真的很加分，一开始参加校招，就已经赢在了起跑线上。

项目最好是一个完整的项目，不是一个小模块，那种简单demo的玩具项目还不如不写。

另外，项目最好和你要找的方向匹配，否则面试官可能不感兴趣，或者面试官自由发挥提问，那样被刷的几率就很大了。

然后是论文，如果是偏research的岗位，论文是必须的。如果是偏工程，那么项目更加重要，所以如果你没有很核心的论文，建议还是走工程应用方向。

然后就是面试准备，如果你要面国内外的中大厂LeetCode是必需的，如果时间比较紧张，至少刷完top100,要做到白板手写的程度。如果时间充裕，可以刷300+题目，包括medium以及部分hard比如动态规划。

大模型这块，除了基本的python，pytorch，tensorflow,算法原理，推导以外，还需要了解其他技术栈。比如大数据处理的生态组件，spark,redis,es，kafka，flink等。这些至少得基本会用，技术名词了解是什么意思。

如果你是搞平台，推理方向的工作，还需要掌握java，c/C++编译原理，并行计算这些。

对于一些关键技术，比如Transformer底层原理PPO的推导，要做到手撕的程度。像前段时间我这边一个同学面试Apple,上来面试官第一个问题就是手撕transformer，没答上来而手撕Transformer算法是咱们训练营阶段三必须掌握的实战作业。

此外，大家对于大模型的结构和代码要熟悉，比如是否可以不调库手写LLaMA的forward推理代码?是否可以从头实现一个LORA微调?这些大家都可以自测一下。

最后一点，大家写到简历上的东西一定要清楚，比如你简历写了深入理解transformer,bert，而实际面试连为什么Transformer架构需要多头注意力机制?为什么transformer块使用LayerNorm而不是BatchNorm?BERT训练是如何工作的?这些基本问题都答不上来，面试就很减分。

以上就是对准备LLM秋招同学的一些建议，如果你在准备面试过程中也遇到一些问题，迷茫，也可以找我规划一下。