大四末找实习真难，兜兜转转面了好几个，只过了两个数据标注，但是含金量太低了，没有刷简历的作用，已拒。这个算法实习岗位还是比较合适的，我对AI大模型也很有兴趣。路程要一个半小时，希望能通过。 更：没通过
背景
薪资：200-500/天 职位描述： 1、投身算法落地之实践，参与系统对接之事宜。依托既有平台，实现大规模语言模型于具体任务之应用，协同开发人员，完成功能对接与调适工作。 2、于工作进程中，基于对算法之理解，主动探寻新应 用场景，积极提出创新构想，并付诸原型实现。 3、辅助算法工程师及内容助理，推动AI算法在电商领 域之应用落地。 4、致力于prompt之开发与测试工作。 任职要求： 1、全日制统招重点本科（一本以上）或硕士以上，人工智能，计算机，空间大数据，数学等相关专业，要求聪明，好学，懂prompt engineering。 2、有NLP领域相关开发或科研经验，了解NLP领域重 要任务和主流模型（Bert，GPT），对预训练语言模 型有深入了解； 3、对ai产品感兴趣，了解主流ai软件。 4、良好的沟通能力和团队协作能力，自我驱动型工作态度，对大模型的应用感兴趣，持续学习与技术创新意识。
面试问到的问题
1. 评论有效性排序项目的流程
具体讲述这个网络如何进行分类或排序，需要了解网络具体结构。
2. 评论有效性排序项目使用的是（CNN）卷积神经网络吗？
不是，是RNN的一种。
3. LSTM模型是什么模型的改进？
是RNN（循环神经网络）参考LSTM从入门到精通。
4. 评价模型如何进行数据清洗
以下是用于清理数据的清单:
删除所有不相关的字符，例如任何非字母数字字符； 令牌化通过将其分割成单个的单词文本； 删除不相关的单词，例如“@”twitter提及或网址； 将所有字符转换为小写，以便将诸如“hello”，“Hello”和“HELLO”之类的单词视为相同； 考虑将拼写错误或交替拼写的单词组合成单个表示（例如“cool”/“kewl”/“cooool”）； 考虑词开还原（将诸如“am”，“are”和“is”之类的词语简化为诸如“be”之类的常见形式）；
参考对NLP的介绍：[NLP] 自然语言处理 — NLP入门指南
5. bert和gpt的区别，对比它们的预训练模型
BERT：双向 预训练语言模型+fine-tuning（微调），BERT预训练过程中采用了双向预测的方法，即通过预测句子中丢失的词来学习语言模型。
GPT：自回归 预训练语言模型+Prompting（指示/提示），GPT预训练过程中，采用了语言模型的方法，即通过预测下一个词来学习语言模型。
具体可参考Transformer两大变种：GPT和BERT的差别和万字长文，带你搞懂什么是BERT模型（非常详细）看这一篇就够了！。
6. 注意力机制的数学表达式
注意力分数*值矩阵，具体参考Attention注意力机制的公式解析。
7. bert模型，怎样对矩阵进行mask（即给你一个句子，怎样把后面的词掩码，只留下前面的词）？
没答出来，HR给的答案：词汇拆分后，分别转换成向量表示，对需要掩码的词的向量中的值置为负无穷，那么这部分值在进行softmax后就会归零，使其对结果不产生影响。
8. prompt engineering
9. Word2vec 的两种训练模式
CBOW(Continuous Bag-of-Words Model)和Skip-gram (Continuous Skip-gram Model)，是Word2vec 的两种训练模式。参考一文看懂 Word2vec（基本概念+2种训练模型+5个优缺点）。
一点感悟
同样是计算机，同样是AI，也是隔行如隔山，这个做nlp的就不问cv内容，面试可以重点准备； 看重自我学习能力与干劲，要聪明人。 对找工作来说，最重要的两点：学历；项目经历与应聘岗位匹配度。其实要找算法、开发或者大模型等计算机相关工作，自己做的项目其实能理解透彻、工作量够且有意义、与应聘岗位相关就可以，实习不是必须的，但有的话更好。要早做打算，真正提升自己对于要从事行业的理解与此领域的能力才最重要。 可以尽可能地确定一个或几个小方向，因为隔行如隔山，比如做CV或者NLP。